Apple ni eden vodilnih igralcev na trgu umetne inteligence, vendar novi odprtokodni model umetne inteligence tehnološkega velikana za urejanje slik kaže, kakšne prispevke bi lahko dalo podjetje na tem področju.
Model, imenovan MLLM-Guided Image Editing (MGIE), uporablja multimodalne velike jezikovne modele (MLLM) za razlago besedilnih ukazov pri obdelavi slik. Z drugimi besedami, s tem orodjem ima uporabnik možnost urejanja fotografij glede na besedilo, ki ga vnese. Čeprav to ni prvo orodje, ki lahko to stori, so "človeška navodila včasih prekratka, da bi jih sodobne metode zajele in izvedle," piše v projektnem dokumentu.
Podjetje je razvilo MGIE skupaj z raziskovalci s kalifornijske univerze. MLLM lahko preproste ali dvoumne besedilne pozive spremenijo v podrobnejša in razumljivejša navodila, ki jim lahko sledi urejevalnik fotografij. Na primer, če želi uporabnik urediti fotografijo pice s feferoni, da bo "bolj zdrava", lahko MLLM to interpretira kot "dodaj zelenjavne prelive" in ustrezno uredi fotografijo.
Poleg osnovnih sprememb slike lahko MGIE tudi obreže, spremeni velikost in zasuka fotografije ter izboljša njihovo svetlost, kontrast in barvno ravnovesje, vse z besedilnimi pozivi. Z orodjem lahko tudi uredite določene dele fotografije in na primer spremenite lase, oči in oblačila osebe na njej ali odstranite elemente v ozadju.
Apple izdal model skozi GitHub, zainteresirani pa lahko preizkusijo tudi demo različico, ki trenutno gostuje na Hugging Face Spaces. Podjetje še ni povedalo, ali namerava uporabiti tisto, kar se je naučilo iz projekta, kot orodje ali funkcijo, ki bi jo lahko vključilo v katerega koli od svojih izdelkov.
Preberite tudi: