在人工智能AI的浪潮中，圖像編輯技術(shù)正迎來一場革命。蘋果Apple公司與加州大學(xué)圣巴巴拉分校合作開發(fā)的MGIE（MLLM引導(dǎo)圖像編輯）模型，便是這場革命的最新成果。這款工具允許用戶通過簡單的語言描述來編輯照片，無需接觸復(fù)雜的圖像編輯軟件。
MGIE模型的強(qiáng)大之處在于其多模態(tài)語言模型的應(yīng)用。首先，它能夠?qū)W習(xí)并理解用戶的語言提示，然后“想象”出編輯后的效果。這意味著，用戶只需告訴MGIE他們想要更改的內(nèi)容，比如“讓天空更藍(lán)”或“添加更多對比度以模擬更多光線”，MGIE便能自動(dòng)對照片進(jìn)行相應(yīng)的編輯。
這一過程的實(shí)現(xiàn)離不開蘋果在機(jī)器學(xué)習(xí)領(lǐng)域的深厚積累。通過訓(xùn)練，MGIE模型已經(jīng)能夠準(zhǔn)確地解釋并執(zhí)行各種編輯指令，無論是簡單的裁剪、調(diào)整大小，還是更復(fù)雜的對象修改和濾鏡添加。
為了展示MGIE的能力，研究人員在論文中使用了一些生動(dòng)的示例。比如，當(dāng)用戶對一張意大利辣香腸披薩的照片輸入提示“使其更健康”時(shí)，MGIE會(huì)自動(dòng)在披薩上添加蔬菜配料。又如，一張?jiān)净璋档娜龉匣⒄掌谳斎搿疤砑痈鄬Ρ榷纫阅M更多光線”后，變得明亮而生動(dòng)。
這些示例不僅展示了MGIE的實(shí)用性，也證明了其在保持高效的同時(shí)，能夠顯著提高圖像編輯的性能。研究人員表示，MGIE不是簡單地執(zhí)行模糊的指導(dǎo)，而是能夠準(zhǔn)確理解用戶的視覺感知意圖，并產(chǎn)生合理的編輯效果。
值得一提的是，蘋果并不是生成人工智能領(lǐng)域的傳統(tǒng)強(qiáng)手。與微軟、Meta或谷歌等巨頭相比，蘋果在AI領(lǐng)域的布局相對保守。然而，隨著MGIE等創(chuàng)新工具的推出，以及蘋果首席執(zhí)行官蒂姆·庫克對增加更多AI功能的承諾，我們可以看到蘋果在人工智能領(lǐng)域的野心正在逐步顯現(xiàn)。
去年12月，蘋果發(fā)布了名為MLX的開源機(jī)器學(xué)習(xí)框架，旨在簡化在Apple Silicon芯片上訓(xùn)練AI模型的過程。這一舉措不僅降低了AI技術(shù)的門檻，也為開發(fā)者提供了更多創(chuàng)新的可能性。
當(dāng)然，MGIE模型的推出并不意味著其他圖像編輯工具將黯然失色。事實(shí)上，像Adobe這樣的行業(yè)巨頭也在積極探索AI技術(shù)在圖像編輯領(lǐng)域的應(yīng)用。其Firefly AI模型便是一個(gè)很好的例子，它支持生成填充功能，可以將生成的背景自然地添加到照片中。
總的來說，MGIE是蘋果在人工智能領(lǐng)域的一次重要嘗試，它不僅提升了圖像編輯的便捷性和效率，也為我們展示了AI技術(shù)在創(chuàng)意表達(dá)方面的無限潛力。隨著技術(shù)的不斷進(jìn)步和應(yīng)用場景的不斷拓展，我們有理由相信，未來的圖像編輯將更加智能、直觀和富有創(chuàng)意。
原創(chuàng)文章，作者：檸萌，如若轉(zhuǎn)載，請注明出處：http://2079x.cn/article/629258.html
