ReDesign: devolver o arquivo editável a partir de um print
Um agente do KAIST decompõe a imagem numa árvore de camadas, verificando cada divisão antes de descer mais um nível. O teste não é se a reconstrução parece igual — é se ela aceita as mesmas 14.796 edições que o arquivo original aceitava.
Todo designer conhece a situação. Chega um PNG do cliente — um banner, uma tela de app, um layout aprovado — e vem o pedido: "troca só esse texto e muda a cor do botão". Só que o PNG é uma imagem achatada. Não há texto, não há botão, não há camada. Há pixels. Refazer o arquivo do zero para mudar uma palavra é o tipo de trabalho que consome horas e não aparece em lugar nenhum.
O ReDesign, publicado nesta quarta por pesquisadores do KAIST AI, com a Helmholtz Munich e a Universidade da Coreia, ataca esse problema com uma pergunta desconfortavelmente específica: em vez de tentar reproduzir a aparência da imagem, tentar recuperar a estrutura editável por trás dela — as camadas, os textos como texto, os vetores como vetores.
A árvore em vez da fila
A abordagem convencional para esse tipo de tarefa é uma cadeia de ferramentas: roda um detector de texto, depois um segmentador, depois um vetorizador, e o que sair no fim é o resultado. O problema dessa fila é conhecido — se a segunda etapa erra, todas as seguintes trabalham em cima do erro, e não há como voltar atrás.
O ReDesign troca a fila por uma árvore. Um modelo de visão-linguagem opera como agente: começa com a imagem inteira na raiz, escolhe repetidamente um nó para expandir e monta uma sequência de ferramentas a partir de um conjunto fixo de ações. Cada expansão quebra uma região em componentes menores, e o processo continua até chegar a elementos atômicos — um trecho de texto, uma forma vetorial, um preenchimento.
A verificação a cada passo é o que segura a coisa
A parte que faz o método funcionar não é a árvore em si, é o verificador que roda a cada expansão. Quando um nó pai é dividido em filhos, o verificador faz duas perguntas objetivas:
- Cobertura: os filhos, juntos, explicam o pai? Ou sobrou conteúdo sem ser atribuído a ninguém?
- Alucinação: os filhos introduzem algo que não existia no pai? Uma forma inventada, um texto que o modelo achou que estava lá?
- Resposta graduada: divisões válidas são aceitas; ramos alucinados são podados; casos duvidosos disparam nova tentativa com parâmetros ajustados — sem reiniciar a árvore inteira.
- Ganho de velocidade: 7,1× por expansão paralela — nós irmãos não compartilham estado e podem ser processados ao mesmo tempo.
Essa contenção local é a diferença central em relação à cadeia linear. Um erro numa sub-região é detectado e corrigido ali mesmo, sem contaminar o resto da decomposição e sem exigir o reinício caro do processo. O efeito colateral medido é interessante: a variância na contagem de chamadas de ferramenta cai, ou seja, o sistema fica previsível em custo — algo que agentes baseados em VLM raramente são.
O benchmark é a contribuição silenciosa
Avaliar esse tipo de trabalho por semelhança visual seria fácil e inútil. Uma reconstrução que reproduz os pixels perfeitamente mas entrega tudo como uma única imagem de fundo teria pontuação alta e valor zero para o designer.
Os autores construíram então o Figma Edit Replay Benchmark: 909 arquivos reais do Figma com 14.796 instruções de edição controladas — trocas de texto, mudanças de cor, deslocamentos de layout. O teste consiste em aplicar a mesma edição no arquivo original e na reconstrução, e comparar. A métrica deixa de ser "parece igual?" e passa a ser "edita igual?".
É uma definição operacional de editabilidade, e resolve um problema real de avaliação nessa área. Nos resultados, o ReDesign supera as linhas de base em todos os tipos de edição, com destaque para edições de texto — onde obtém a maior taxa de recuperação de texto após o replay, em comparação com decomposição por camadas e com uso serial de ferramentas.
O que isso não resolve
Vale ser claro sobre o escopo. Recuperar estrutura editável de um layout digital — regiões retangulares, texto, formas geométricas, hierarquia de camadas — é um problema com muita regularidade explorável. Fotografias, ilustrações pintadas à mão, composições sem grade não têm essa estrutura para recuperar, e nada no método sugere que funcionem.
Há também a dependência do conjunto fixo de ferramentas. O agente compõe sequências a partir de um repertório definido; o que esse repertório não sabe fazer, a árvore não consegue expressar, por mais bem verificada que esteja. E o benchmark, sendo construído sobre arquivos do Figma, mede bem exatamente o universo do qual foi extraído.
O que fica
O ReDesign é interessante menos como produto e mais como padrão de projeto. A combinação — decompor em árvore, verificar cada nível com critérios objetivos, podar em vez de reiniciar, expandir irmãos em paralelo — é aplicável a qualquer tarefa em que um agente monta uma estrutura complexa a partir de evidência ambígua. E a lição do benchmark é ainda mais transferível: quando o objetivo é produzir algo utilizável, a métrica certa não mede semelhança com o alvo, mede se o resultado suporta o mesmo uso.
Perguntas Frequentes
O que o ReDesign gera exatamente?
Uma estrutura de camadas editável a partir de uma imagem rasterizada, expondo parâmetros semânticos — fontes, caminhos vetoriais, ordenação de camadas — em vez de pixels. O objetivo é que a saída aceite as mesmas edições que o arquivo de design original aceitaria.
O que é o Figma Edit Replay Benchmark?
Um conjunto de avaliação com 909 arquivos reais do Figma e 14.796 instruções de edição controladas (texto, cor, layout). A mesma edição é aplicada ao original e à reconstrução, e a comparação mede editabilidade real, não semelhança visual.
Por que verificar a cada expansão em vez de só no final?
Porque em cadeias lineares um erro precoce contamina todas as etapas seguintes e só é detectado no fim, quando corrigir exige reiniciar tudo. Verificando a cada divisão, o erro é contido na sub-região onde nasceu — e a correção é local, com poda do ramo ou nova tentativa com parâmetros ajustados.