Comprendre les capacités de l'IA générative dans les tâches quotidiennes de retouche d'images

Understanding Generative AI Capabilities in Everyday Image Editing Tasks

May 22, 2025

Auteurs: Mohammad Reza Taesiri, Brandon Collins, Logan Bolton, Viet Dac Lai, Franck Dernoncourt, Trung Bui, Anh Totti Nguyen

cs.AI

Résumé

L'intelligence artificielle générative (GenAI) présente un potentiel significatif pour automatiser les tâches quotidiennes de retouche d'images, notamment suite à la récente sortie de GPT-4o le 25 mars 2025. Cependant, quels sont les sujets que les gens souhaitent le plus souvent retoucher ? Quels types d'actions de retouche souhaitent-ils effectuer (par exemple, supprimer ou styliser le sujet) ? Les gens préfèrent-ils des retouches précises avec des résultats prévisibles ou des retouches hautement créatives ? En comprenant les caractéristiques des demandes réelles et les retouches correspondantes effectuées par des experts freelance en retouche photo, pouvons-nous tirer des leçons pour améliorer les éditeurs basés sur l'IA et déterminer quels types de demandes peuvent actuellement être gérés avec succès par les éditeurs IA ? Dans cet article, nous présentons une étude unique abordant ces questions en analysant 83 000 demandes des 12 dernières années (2013-2025) sur la communauté Reddit, qui a collecté 305 000 retouches effectuées par des experts PSR. Selon les évaluations humaines, seulement environ 33 % des demandes peuvent être satisfaites par les meilleurs éditeurs IA (y compris GPT-4o, Gemini-2.0-Flash, SeedEdit). Il est intéressant de noter que les éditeurs IA performent moins bien sur les demandes peu créatives nécessitant une retouche précise que sur les tâches plus ouvertes. Ils ont souvent du mal à préserver l'identité des personnes et des animaux, et effectuent fréquemment des retouches non demandées. D'un autre côté, les juges VLM (par exemple, o1) se comportent différemment des juges humains et peuvent préférer les retouches IA aux retouches humaines. Le code et des exemples qualitatifs sont disponibles à l'adresse suivante : https://psrdataset.github.io

English

Generative AI (GenAI) holds significant promise for automating everyday image editing tasks, especially following the recent release of GPT-4o on March 25, 2025. However, what subjects do people most often want edited? What kinds of editing actions do they want to perform (e.g., removing or stylizing the subject)? Do people prefer precise edits with predictable outcomes or highly creative ones? By understanding the characteristics of real-world requests and the corresponding edits made by freelance photo-editing wizards, can we draw lessons for improving AI-based editors and determine which types of requests can currently be handled successfully by AI editors? In this paper, we present a unique study addressing these questions by analyzing 83k requests from the past 12 years (2013-2025) on the Reddit community, which collected 305k PSR-wizard edits. According to human ratings, approximately only 33% of requests can be fulfilled by the best AI editors (including GPT-4o, Gemini-2.0-Flash, SeedEdit). Interestingly, AI editors perform worse on low-creativity requests that require precise editing than on more open-ended tasks. They often struggle to preserve the identity of people and animals, and frequently make non-requested touch-ups. On the other side of the table, VLM judges (e.g., o1) perform differently from human judges and may prefer AI edits more than human edits. Code and qualitative examples are available at: https://psrdataset.github.io