Adobe və UC San Diego EditAgent-i AI şəkil redaktəsi üçün sınaqdan keçirir

Adobe Research və UC San Diego EditAgent adlı AI şəkil redaktə sistemini qurub; sistem sorğuları addımlara bölür, ümumi təyinatlı redaktoru ixtisaslaşmış alətlərlə müqayisə edir və nəticələri seçmək üçün ölçülmüş məlumatlardan istifadə edir. Testlərdə əvvəlki AI agentlərdən daha dəqiq redaktələr verib, lakin tək bir redaktordan təxminən on dəfə çox hesablama tələb edir.

EditAgent şəkilləri necə redaktə edir

EditAgent sorğunu addımlarla planlaşdırır. Hər addımda ümumi təyinatlı redaktoru kəskinləşdirmə, fırlanma və ya yaxınlaşdırma kimi tapşırıqlar üçün uyğun ixtisaslaşmış alətlərlə müqayisə edir. Eyni redaktoru təkrar-təkrar yenidən işlətmək əvəzinə, o, orijinal şəkildən fərqli üsullarla namizədləri paralel şəkildə yaradır. Standart dil modeli sonra bütün variantları bir keçiddə müqayisə edir. Beş peşəkarın kor qiymətləndirdiyi 600 şəkil redaktəsi testində Flux-2-Klein-9B halların 42,7 faizində istifadəyə yararlı nəticə verə bilməyib. İxtisaslaşmış alətlər bu uğursuzluqların təxminən üçdə ikisini həll edib. Iterativ təkmilləşdirmə kiçik xətaları yığdı, çünki hər tur artıq dəyişdirilmiş şəkil üzərində qurulurdu; peşəkarlar isə tərəf seçdikləri müqayisələrin 78,5 faizində orijinaldan alınan paralel variantları üstün tutub. Agent həmçinin qiymətləndirmə keçidlərinin yarısı qədər keçidə ehtiyac duyub.

Doğrulama məlumatları qiymətləndirməni yaxşılaşdırır

Hər variant üçün model redaktə olunmuş sahənin yaxın planını, dəyişdirilmiş bölgələrin dəyişiklik xəritəsini və parlaqlıq və rəng üzrə ölçülmüş statistikaları əhatə edən doğrulama qeydi alır. Bir nümunədə foto yumşaq şəkildə işıqlandırılmalı idi; rəqəmlər göstərdi ki, ümumi təyinatlı redaktor onu həddindən artıq işıqlandırıb və rəngləri daha isti tona keçirib, ixtisaslaşmış alət isə norma daxilində qalıb. Yaxın planlar və ölçülmüş statistikalar tam şəkilə baxarkən dil modelinin qaça biləcəyi xətaları üzə çıxardı. 600 redaktəlik benchmarkda hakim bir neçə namizəd arasında ən yaxşı nəticəni seçməli idi və tədqiqatçılar onun peşəkarların da istifadəyə yararlı hesab etdiyi şəkli nə qədər tez-tez seçdiyini saydı. Doğrulama qeydi olmadan yeddi dil modelindən heç biri ən yaxşı incə tənzimlənmiş modelə çatmadı. Onunla isə hər yeddisi bütün incə tənzimlənmiş modelləri üstələdi. Qwen3.8-27B halların 81,3 faizində istifadəyə yararlı seçim etdi, EditScore-72B üçün bu göstərici 74,8 faiz idi. Hər turdan sonra EditAgent həmçinin sonrakı redaktələrin əvvəlki redaktələri ləğv edib-etmədiyini yoxlayır; bir nümunədə "daha çox gün işığı girsin" əvvəlcə buzlanmış pəncərəni yenidən aydın etdi və agent ziddiyyəti tutub həll etdi.

Kompromislər və təlim məlumatları

EditAgent üç benchmark üzrə Qwen-Image-Edit-2511 və Flux-2-Klein-9B-ni yaxşılaşdırıb və yeddi digər AI agenti üstələyib. EdiVal benchmarkunda Qwen variantı üçüncü redaktə turunda Seedream 4.0 və GPT-Image-1.5-i çox az fərqlə üstələyib. Lakin agent tək bir redaktordan təxminən on dəfə çox hesablama tələb edir və performans hansı alətlərin qoşulduğundan asılıdır. Çünki o yalnız doğrulanmış nəticələri saxlayır, təxminən 26,000 təlim nümunəsi yaradıb. Həmin məlumatlar üzərində incə tənzimlənmiş redaktorlar hər üç benchmarkda daha yaxşı nəticə göstərib, FLUX tərəfindən birbaşa yaradılmış təlim məlumatları isə FLUX-u daha da pis edib.

Adobe məhsulları və model yeniləmələri

Adobe iyun ayında Photoshop, Premiere və digər Creative Cloud tətbiqlərinə AI agentləri ictimai beta kimi əlavə edib. İstifadəçilər nə istədiklərini təsvir edir və agent ayrıca addımları yerinə yetirir. Alət seçimi və özünü yoxlama haqqında məqalənin nəticələri bu məhsullara aid edilir. Ayrı olaraq, Black Forest Labs sınaqdan keçirilmiş ümumi təyinatlı modeli 5,6 milyard parametrə malik, Flux 2 Klein-dən daha kiçik və Black Forest Labs-in daxili testlərində bütün digər açıq modellərdən və kommersiya Flux 2 Pro modelindən daha yüksək nəticə göstərən Flux 3 Image Klein ilə əvəz edib.

Mənbələr: The Decoder