Adobe test of AI-agenten net zo goed kunnen bewerken als een pro in Photoshop

AI-agenten die foto's bewerken op basis van een tekstopdracht bestaan al, maar ze hebben een zwak punt. Ze gebruiken meestal één algemene editor voor elke stap en proberen het gewoon opnieuw als iets mislukt. Een apart model beoordeelt vervolgens of het resultaat goed is, puur op basis van hoe de afbeelding eruitziet. Onderzoekers van Adobe Research en de University of California San Diego laten in een nieuwe studie zien dat dit beter kan. Hun systeem, EditAgent, splitst een bewerkingsopdracht op in deelstappen en koppelt daar per stap de meest geschikte tool aan, bijvoorbeeld een gespecialiseerd hulpmiddel voor scherpstellen, draaien of inzoomen.

Algemene editors falen vaak

Uit een test met 600 bewerkingen, beoordeeld door vijf professionele fotobewerkers, bleek dat de algemene editor Flux-2-Klein-9B in 42,7 procent van de gevallen geen bruikbaar resultaat opleverde. Gespecialiseerde tools losten ongeveer twee derde van die mislukkingen op, vooral bij scherpstellen, draaien en zoomen. Vaker proberen met dezelfde editor hielp nauwelijks. De onderzoekers ontdekten ook dat het beter werkt om meerdere versies van een bewerking tegelijk te maken vanuit de originele foto, in plaats van stap voor stap verder te werken op een al aangepaste versie. Bij die laatste methode stapelen kleine foutjes zich op. De professionals gaven in 78,5 procent van de vergelijkingen de voorkeur aan de parallel gegenereerde versies.

Cijfers in plaats van alleen kijken

Het slimme onderdeel van EditAgent is hoe het de beste versie uit meerdere kandidaten kiest. In plaats van een taalmodel te laten raden op basis van het hele plaatje, krijgt het model per versie een uitgebreid controledossier: een close-up van het bewerkte gebied, een kaart van wat er precies is veranderd, en gemeten waarden voor bijvoorbeeld helderheid en kleur. Bij een opdracht om een foto iets lichter te maken, liet zo'n controledossier zien dat de algemene editor de foto juist overbelichtte en te warm van kleur maakte, terwijl de gespecialiseerde tool binnen de gestelde grenzen bleef. Met die extra data presteerden alle zeven getestte taalmodellen beter dan modellen die speciaal waren getraind om bewerkingen te beoordelen. Het model Qwen3.8-27B koos in 81,3 procent van de gevallen de versie die ook professionals goedkeurden, tegenover 74,8 procent voor het gespecialiseerde model EditScore-72B.

Duurder, maar nuttig voor training

EditAgent controleert ook of een latere bewerking per ongeluk een eerdere ongedaan maakt, zoals wanneer een opdracht om meer daglicht binnen te laten een eerder vervaagd raam weer helder zou maken. Het systeem presteerde beter dan zeven andere AI-bewerkingsagenten op meerdere testreeksen, maar gebruikt ongeveer tien keer zoveel rekenkracht als een enkele editor. Daarom gebruiken de onderzoekers EditAgent ook als bron van trainingsdata: de ongeveer 26.000 gecontroleerde resultaten maakten snellere editors juist beter, terwijl data van een ongecontroleerde editor de resultaten verslechterde. Adobe voegde in juni AI-agenten toe aan Photoshop en Premiere, dus deze bevindingen kunnen direct invloed hebben op hoe die producten zich verder ontwikkelen.