EditAgent zerlegt Bildedits in Schritte, erzeugt Parallelvarianten und prüft sie systematisch – bessere Auswahl, aber hoher Rechenaufwand.
In Kürze
- Bricht Edit-Aufgaben in Einzelschritte und erstellt mehrere Varianten
- Standardisiertes Prüfprotokoll liefert Nahaufnahmen, Änderungskarten und Messwerte
- 26.000 geprüfte Trainingsbeispiele verbessern schnellere Editoren
Ein neues KI-Tool versucht, Bildbearbeitung so zu organisieren wie ein erfahrener Photoshop-Nutzer: Forschende von Adobe Research und der UC San Diego stellen EditAgent vor — einen Agenten, der Bearbeitungsaufgaben in Einzelschritte zerlegt, parallel verschiedene Bearbeitungsvarianten erzeugt und systematisch bewertet, bevor er das beste Ergebnis übernimmt.
Wie EditAgent arbeitet
EditAgent kombiniert einen Allzweck-Editor mit spezialisierten Werkzeugen (etwa Schärfen, Drehen, Zoomen). Für jeden Bearbeitungsschritt erzeugt das System mehrere Kandidaten: den generellen Editor gegen passende Spezialwerkzeuge. Anschließend beurteilt ein normales Sprachmodell alle Varianten in einem Durchgang — unterstützt durch ein standardisiertes Prüfprotokoll.
Das Prüfprotokoll liefert für jede Variante:
- eine Nahaufnahme der bearbeiteten Stelle,
- eine Karte der vorgenommenen Änderungen,
- numerische Messwerte zu Helligkeit, Farbe und weiteren Parametern.
Diese Messwerte machen subtile Fehler sichtbar, die beim Blick auf das Gesamtbild leicht übersehen werden. Außerdem prüft EditAgent nach jeder Runde, ob spätere Änderungen vorherige Bearbeitungen unbeabsichtigt rückgängig gemacht haben, und korrigiert solche Rückschritte.
Ergebnisse aus Tests (600 Bearbeitungen)
- Ein Allzweck-Editor (Flux-2-Klein-9B) lieferte in 42,7 % der Fälle kein brauchbares Ergebnis. In rund zwei Dritteln dieser Fälle konnten Spezialwerkzeuge helfen — insbesondere bei Schärfen, Drehen und Zoomen. Einfach mehr Versuche mit demselben Editor brachten kaum Verbesserung.
- Profis bevorzugten in 78,5 % der Fälle Varianten, die parallel direkt aus dem Original erzeugt worden waren, statt schrittweiser Nachbesserungen (bei denen sich kleine Fehler anhäufen).
- Ohne Prüfprotokoll erreichten die getesteten Sprachmodelle nicht die Qualität speziell trainierter Bewertungsmodelle. Mit dem Prüfprotokoll schlugen jedoch alle sieben getesteten Sprachmodelle die spezialisierten Bewertungsmodelle.
- Zur Einordnung: Qwen3.8-27B wählte in 81,3 % der Fälle ein brauchbares Ergebnis; EditScore-72B (ein speziell trainiertes Bewertungsmodell) lag bei 74,8 %. Das deutet darauf hin, dass die bereitgestellten Prüf-Informationen oft wichtiger sind als die Größe oder spezielle Schulung des Bewertungsmodells.
- EditAgent steigerte die Leistung offener Editoren (Qwen-Image-Edit-2511 und Flux-2-Klein-9B) auf drei Benchmarks. Auf dem Benchmark EdiVal lag die Qwen-Variante in der dritten Runde knapp vor kommerziellen Modellen wie Seedream 4.0 und GPT-Image-1.5.
Kosten und Abhängigkeiten
Der Methode steht ein klarer Kostenfaktor gegenüber: Sie benötigt etwa das Zehnfache an Rechenzeit im Vergleich zur Nutzung eines einzelnen Editors. Außerdem hängt die Qualität der Ergebnisse davon ab, welche spezialisierten Werkzeuge verfügbar sind.
Nebeneffekt: Trainingsdaten für schnellere Editoren
Weil EditAgent nur geprüfte Ergebnisse übernimmt, entstanden rund 26.000 hochwertige Trainingsbeispiele. Editoren, die mit diesen Daten weitertrainiert wurden, verbesserten ihre Leistung auf allen drei Benchmarks. Im Gegensatz dazu verschlechterten Trainingsdaten, die FLUX selbst generiert hatte, dessen eigene Leistung. Das zeigt: EditAgent kann durch Erzeugung sauberer Trainingsdaten seine hohen Rechenkosten teilweise kompensieren, indem er schnellere Editoren effektiver trainiert.
Relevanz für Adobe-Produkte und Modellentwicklung
Adobe hatte im Juni KI-Agenten als Beta in Photoshop, Premiere und weiteren Apps eingeführt — die Frage, wie zuverlässig solche Agenten Aufgaben an passende Werkzeuge verteilen und ihre Ergebnisse prüfen, betrifft also direkt nutzbare Produkte. Parallel meldet Black Forest Labs, das in der Studie getestete Generalistenmodell ersetzt zu haben: Flux 3 Image Klein mit 5,6 Milliarden Parametern ist kleiner als Flux 2 Klein, soll intern aber besser abschneiden als alle offenen und sogar besser als das kommerzielle Flux 2 Pro.
Quelle
Quellen
- Quelle: Adobe Research / UC San Diego
- Der ursprüngliche Artikel wurde hier veröffentlicht
- Dieser Artikel wurde im Podcast KI-Briefing-Daily behandelt. Die Folge kannst du hier anhören.
