Adobe zkouší agenta, který pro úpravu obrázků vybírá mezi různými nástroji
Výzkumný EditAgent střídá při úpravě obrázků obecný editor se specializovanými nástroji a výsledky kontroluje pomocí výřezů i měření. V testech autorů zvládl část zadání, na kterých samotný editor selhal, potřebuje ale zhruba desetkrát delší zpracování.
Zesvětlit fotografii, odstranit postavu v pozadí a zachovat všechno ostatní. Pro obrazový model jsou to odlišné úkoly, přesto je agent často svěřuje témuž editoru a při nezdaru ho nechá zkusit totéž znovu. Tým Adobe Research a Kalifornské univerzity v San Diegu v práci zveřejněné 29. října zkoumá jiný postup: volit nástroj podle úpravy a hodnotiteli ukázat, co se na snímku skutečně změnilo.
Systém nazvali EditAgent. Jde o výzkumnou práci, výsledky měřili její autoři. The Decoder ji rozebral 1. listopadu a upozornil také na delší výpočet. Článek na arXivu sám o sobě není oznámením dostupnosti nové funkce Photoshopu.
Jeden editor nestačil na 256 ze 600 zadání
Výzkumníci sestavili diagnostický test se 600 sadami. Každá obsahovala původní fotografii, pokyn a dvě až čtyři varianty výsledku. Zadání pokrývala 30 druhů úprav, od změn obsahu po geometrii nebo vylepšení detailů. Pět profesionálních retušérů pracujících s Photoshopem společně naslepo určovalo, které varianty použitelně splnily pokyn.
Obecným editorem byl v tomto testu Flux.2-klein-9B. V 256 sadách od něj nevznikl žádný použitelný výsledek, tedy ve 42,7 procenta případů. Specializované metody pomohly ve 175 z těchto sad. Rozdělení všech výsledků uvádí oddíl 3.2 původní studie:
| Které varianty retušéři přijali | Počet sad | Podíl ze 600 sad |
|---|---|---|
| Jen z obecného editoru | 254 | 42,3 % |
| Jen ze specializovaných metod | 175 | 29,2 % |
| Z obou skupin | 90 | 15,0 % |
| Žádnou | 81 | 13,5 % |
Silné stránky se lišily podle úkolu. Obecný editor se uplatnil zejména u stylu a efektů, specializované metody u geometrie a vylepšování obrazu. Opakované generování dalších variant stejným editorem nedokázalo podle autorů nahradit nabídku různých nástrojů. Těch 42,7 procenta proto popisuje konkrétní model a tuto sadu zadání, ne chybovost všech obrazových modelů.
Hodnotitel dostane výřez i naměřené barvy
EditAgent nejprve rozloží složitý požadavek na kroky. Pro každý vybere vhodné postupy: vedle obecného editoru například úpravu vyznačené oblasti, odstranění objektu nebo změnu jasu. Z jednoho vstupního snímku nechá souběžně vzniknout různé varianty. Hodnoticí model je potom porovná najednou.
Ke každé variantě přiloží záznam kontroly. Obsahuje mapu změněných míst, detailní výřez před úpravou a po ní, případně měření barev, jasu či geometrie. Model tedy nemusí z celého obrázku odhadovat, zda se při zesvětlení nechtěně neposunul také barevný odstín. Část odpovědi dostane přímo z měření pixelů. Věrohodnost vzhledu dál posuzuje z fotografií.
V základním nastavení studie zastává plánování i hodnocení Qwen3.8-27B. Autoři porovnávali také další hodnoticí modely a zjistili, že jim přidané záznamy pomáhaly vybírat výsledky, které přijali retušéři. Podle jejich experimentů tak lze zlepšit kontrolu i bez zvláštního dotrénování hodnotitele.
Další kontrola hlídá předchozí požadavky. Ve studii například pokyn vpustit do místnosti více denního světla zrušil dříve požadované matné sklo v okně. Agent porovná aktuální snímek s historií úprav, a když zjistí zřetelné porušení staršího zadání, zkusí opravu. Přijme ji až po dalším posouzení.
Za kontrolu navíc se platí delším čekáním
Autoři uvádějí v závěru práce zhruba desetkrát delší dobu zpracování proti samostatným obrazovým editorům. The Decoder tuto nevýhodu shrnuje jako přibližně desetinásobnou výpočetní náročnost. Původní text ale výslovně mluví o čase, takže z údaje nelze udělat desetkrát vyšší cenu služby nebo spotřebu elektřiny.
Schopnosti agenta navíc závisejí na nástrojích, které má k dispozici. Pokud žádný nenabídne dobrý výsledek, samotné porovnávání ho nevytvoří. Taková situace ostatně nastala i v části diagnostického testu.
Tým proto zkoušel využít přijaté výsledky také při trénování samostatných editorů. Ze sezení EditAgentu sestavil přibližně 25 700 trénovacích příkladů a dotrénoval na nich Qwen-Image-Edit-2511 a Flux.2-klein-base-9B. V jeho testech se oba zlepšily na všech třech použitých sadách úloh. Když místo toho dodal obrázky vytvořené přímo modelem Flux.2-klein-9B, varianta Flux.2-klein-base-9B se na všech třech sadách zhoršila. Pomalejší kontrolovaný postup tak autoři zkoumají i jako zdroj kvalitnějších příkladů pro model, který potom pracuje samostatně.
Zdroje
- Haiyang Xu a kolektiv: EditAgent: Rethinking Agentic Image Editing, arXiv, první verze z 29. října 2026.
- Plný text studie, zejména oddíly 3.1–3.2, 4, 5.3 a závěr s omezeními.
- Jonathan Kemper, The Decoder: rozbor systému EditAgent, 1. listopadu 2026.