Apple stara się dogonić konkurencję w zakresie sztucznej inteligencji. Wychodzi na to, iż firma jest na dobrej drodze. Badacze Apple opublikowali nowy model sztucznej inteligencji o otwartym kodzie źródłowym, który jest w stanie edytować obrazy na podstawie instrukcji użytkownika w języku naturalnym (za pośrednictwem VentureBeat).
Nazwany „MGIE”, co jest skrótem od MLLM-Guided Image Editing, wykorzystuje multimodalne duże modele językowe (MLLM) do interpretowania żądań użytkowników i wykonywania manipulacji na poziomie pikseli.
Model ten jest w stanie edytować różne parametry obrazów. Ogólne ulepszenia zdjęć mogą obejmować jasność, kontrast lub ostrość lub zastosowanie efektów wizualnych, takich jak szkicowanie. Edycja lokalna może modyfikować kształt, rozmiar, kolor lub teksturę określonych obszarów lub obiektów na obrazie, podczas gdy modyfikacje w stylu Photoshopa mogą obejmować przycinanie, zmianę rozmiaru, obracanie i dodawanie filtrów, a choćby zmianę tła i mieszanie obrazów.
Dane wejściowe użytkownika dla zdjęcia pizzy mogą brzmieć „aby wyglądała bardziej zdrowo”. Korzystając ze zdrowego rozsądku, model może dodać dodatki warzywne, takie jak pomidory i zioła. Żądanie globalnej optymalizacji może przybrać formę „dodaj kontrast, aby symulować więcej światła”, podczas gdy modyfikacja w stylu Photoshopa może zostać wykonana poprzez poproszenie modelu o usunięcie ludzi z tła zdjęcia, przenosząc ostrość obrazu na wyraz twarzy obiektu.
Apple współpracowało z naukowcami z Uniwersytetu Kalifornijskiego przy tworzeniu MGIE, który został zaprezentowany w artykule na Międzynarodowej Konferencji na temat Reprezentacji Uczenia się (ICLR) 2024. Model jest dostępny w serwisie GitHub i zawiera kod, dane oraz wstępnie wytrenowane modele.
To drugi obszar jeżeli chodzi o AI. Po wypowiedziach szefów Apple oczekuje się, iż Siri otrzyma jakąś wielką aktualizację, która wyprowadzi Apple na lidera wykorzystania sztucznej inteligencji.
Źródło: MacRumors
