苹果展示 AI 新模型 MGIE，可一句话精修图片

IT之家 2 月 8 日消息，相比较微软的风生水起，苹果公司在 AI 领域的布局显得低调很多，但这并不意味着苹果在该领域就没有丝毫建树。苹果公司近日发布了名为“MGIE”的新型开源人工智能模型，它可以根据自然语言指令编辑图像。

MGIE 的全称是 MLLM-Guided Image Editing，利用多模态大型语言模型（MLLM）解释用户指令并执行像素级操作。MGIE 可以理解用户下达的自然语言命令，进行 Photoshop 风格的修改、全局照片优化和局部编辑等操作。

苹果公司和加州大学圣巴巴拉分校研究人员合作，在 2024 年国际学习表征会议（ICLR）上发表 MGIE 相关研究成果，而 ICLR 是人工智能研究的顶级会议之一。

介绍 MGIE 之前，IT之家先来介绍下 MLLM。MLLM 是一种强大的人工智能模型，可以同时处理文本和图像，从而增强基于指令的图像编辑能力。MLLMs 在跨模态理解和视觉感知响应生成方面表现出卓越的能力，但尚未广泛应用于图像编辑任务。

MGIE 通过两种方式将 MLLMs 集成到图像编辑过程中：首先，它使用 MLLMs 从用户输入中推导出富有表现力的指令。这些指令简洁明了，为编辑过程提供了明确的指导。

例如，当输入“让天空更蓝”时，MGIE 可以生成“将天空区域的饱和度提高 20%”的指令。

其次，它使用 MLLM 生成视觉想象力，即所需编辑的潜在表征。这一表征捕捉了编辑的本质，可用于指导像素级操作。MGIE 采用了一种新颖的端到端训练方案，可联合优化指令推导、视觉想象和图像编辑模块。

MGIE 可以处理各种编辑情况，从简单的颜色调整到复杂的对象操作。该模型还可以根据用户的偏好执行全局和局部编辑。MGIE 的部分特性和功能包括：

MGIE 是 GitHub 上的一个开源项目，用户可以点击这里找到代码、数据和预训练模型。该项目还提供了一个演示笔记本，展示如何使用 MGIE 完成各种编辑任务。

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。