Compreendendo as Capacidades da IA Generativa em Tarefas Cotidianas de Edição de Imagens

Understanding Generative AI Capabilities in Everyday Image Editing Tasks

May 22, 2025

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

cs.AI

Resumo

A Inteligência Artificial Generativa (GenAI) apresenta um potencial significativo para automatizar tarefas cotidianas de edição de imagens, especialmente após o recente lançamento do GPT-4o em 25 de março de 2025. No entanto, quais são os assuntos que as pessoas mais desejam editar? Que tipos de ações de edição elas querem realizar (por exemplo, remover ou estilizar o assunto)? As pessoas preferem edições precisas com resultados previsíveis ou edições altamente criativas? Ao compreender as características das solicitações do mundo real e as edições correspondentes feitas por especialistas freelancers em edição de fotos, podemos extrair lições para melhorar os editores baseados em IA e determinar quais tipos de solicitações podem atualmente ser atendidos com sucesso por editores de IA? Neste artigo, apresentamos um estudo único que aborda essas questões ao analisar 83 mil solicitações dos últimos 12 anos (2013-2025) na comunidade do Reddit, que coletou 305 mil edições feitas por especialistas em PSR. De acordo com avaliações humanas, aproximadamente apenas 33% das solicitações podem ser atendidas pelos melhores editores de IA (incluindo GPT-4o, Gemini-2.0-Flash, SeedEdit). Curiosamente, os editores de IA têm um desempenho pior em solicitações de baixa criatividade que exigem edição precisa do que em tarefas mais abertas. Eles frequentemente lutam para preservar a identidade de pessoas e animais e muitas vezes fazem retoques não solicitados. Por outro lado, os juízes de VLM (por exemplo, o1) têm um comportamento diferente dos juízes humanos e podem preferir edições de IA mais do que edições humanas. Códigos e exemplos qualitativos estão disponíveis em: 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