어도비 EditAgent가 병렬 후보와 수치 검증으로 편집 정확도를 높인다

어도비 리서치와 UC 샌디에이고가 함께 만든 EditAgent는 이미지 편집 요청을 여러 단계로 쪼갠 뒤, 단계마다 범용 편집 모델과 샤프닝·회전·확대 같은 특정 작업에 특화된 도구를 맞붙게 한다. 각 후보는 별도로 학습된 평가 모델이 아니라 일반 언어모델이 한 번에 비교해 순위를 매긴다. 판정의 근거는 눈대중이 아니라 수치다. 편집된 영역의 확대 이미지, 변경 영역 지도, 밝기와 색상 통계를 검증 기록으로 함께 넣어주는 방식이다.

성능은 600건의 편집 과제 벤치마크에서 확인됐다. 전문가 5명이 결과를 블라인드로 평가했는데, 범용 편집기인 Flux-2-Klein-9B는 42.7%의 요청에서 쓸 만한 결과를 내지 못했다. 이 실패의 약 3분의 2는 특화 도구가 메웠고, 특히 샤프닝과 회전, 확대에서 효과가 컸다. 같은 편집기로 재시도를 반복하는 것은 거의 도움이 되지 않았다.

연구진은 결과를 단계별로 다듬는 방식과 원본에서 여러 후보를 병렬로 뽑는 방식도 비교했다. 반복 개선은 매 라운드가 이미 변형된 이미지 위에서 이뤄지기 때문에 작은 오차가 누적됐다. 전문가가 우열을 가린 비교의 78.5%에서 병렬 후보가 선택됐고, 평가 패스도 절반만 필요했다.

검증 기록의 효과는 판정 모델 실험에서 더 분명해졌다. 검증 기록 없이 일반 언어모델 7종 중 어떤 것도 편집 평가용으로 미세조정된 모델을 앞서지 못했다. 반대로 기록을 붙이자 7종 모두가 그런 모델을 이겼다. Qwen3.8-27B는 81.3%의 확률로 전문가가 쓸 만하다고 본 결과를 골랐고, EditScore-72B는 74.8%였다. 판정 모델이 무엇을 보느냐가 어떻게 학습됐느냐보다 중요할 수 있다는 해석이 가능하다.

EditAgent는 라운드마다 이전 편집이 나중 편집에 의해 되돌려지지 않았는지도 확인한다. '빛이 더 들어오게' 같은 지시가 이미 뿌옇게 처리된 창을 다시 투명하게 만드는 충돌을 잡아내고 고치는 식이다. 오픈소스 편집기 Qwen-Image-Edit-2511과 Flux-2-Klein-9B에 얹었을 때 세 개 벤치마크에서 모두 개선됐고, 다른 AI 에이전트 7종도 앞섰다. EdiVal 벤치마크에서는 Qwen 기반 구성이 세 번째 편집 라운드에서 상용 모델인 Seedream 4.0과 GPT-Image-1.5를 근소하게 넘어섰다.

또 하나의 용도는 학습 데이터 생산이다. EditAgent는 검증을 통과한 결과만 남기기 때문에 약 2만 6000건의 학습 예시를 만들어냈다. 이 데이터로 미세조정한 편집기는 세 벤치마크 전부에서 성능이 올랐다. 반면 FLUX가 직접 만든 데이터로 FLUX를 학습시키면 오히려 성능이 떨어졌다. 높은 연산 비용을 장기적으로 상쇄할 수 있는 지점이다.

배경에는 제품화가 있다. 어도비는 지난 6월 포토샵과 프리미어 등 크리에이티브 클라우드 앱에 AI 에이전트를 퍼블릭 베타로 투입했다. 사용자가 원하는 것을 말로 설명하면 에이전트가 세부 단계를 처리하는 구조인데, 어떤 도구를 언제 고르고 자기 결과를 제대로 검증하는지가 실제 제품 품질을 좌우한다. EditAgent는 그 질문에 대한 연구 쪽 답이다.

개발자 관점에서 눈여겨볼 부분은 판정 방식이다. 평가 전용 모델을 따로 붙이는 대신 후보를 병렬로 생성하고, 측정 가능한 검증 정보를 프롬프트에 실어 일반 모델에게 비교시키는 패턴은 이미지 편집 밖에서도 재사용할 수 있다. 반복 개선보다 원본 기준 병렬 샘플링이 낫다는 결과도 에이전트 파이프라인 설계에 바로 참고할 만하다.

한계도 분명하다. EditAgent는 편집기 하나만 돌릴 때보다 약 10배의 연산을 쓴다. 성능이 어떤 특화 도구를 꽂느냐에 좌우되는 점도 전제다. 실험에 쓰인 범용 모델은 이후 교체됐다. 블랙 포레스트 랩스는 파라미터 56억 개의 Flux 3 Image Klein을 내놓았는데, Flux 2 Klein보다 작으면서도 회사 내부 테스트에서 다른 오픈 모델은 물론 상용 Flux 2 Pro보다 높은 점수를 기록했다고 전했다.