苹果研究人员发布了一个新的开源 AI 模型，可以根据用户的自然语言指令编辑图像（通过 VentureBeat）。
称为“MGIE”的该模型代表了MLLM-Guided Image Editing（多模态大语言模型），它使用多模态大语言模型（MLLMs）来解释用户的需求并进行像素级操作。
该模型能够编辑图像的各个方面。全局照片增强可以包括亮度、对比度或清晰度，或者应用类似素描的艺术效果。局部编辑可以修改图像中特定区域或对象的形状、大小、颜色或纹理，而类似 Photoshop 的修改可以包括裁剪、调整大小、旋转、添加滤镜，甚至更改背景和混合图像。
对于一张披萨照片，用户可以输入“使它看起来更健康”。通过常识推理，模型可以添加番茄和香草等蔬菜配料。全局优化输入请求可以形式为“增加对比度以模拟更多光线”，而类似 Photoshop 的修改可以通过要求模型将照片背景的人物移除，将焦点转移到主体的面部表情。
苹果与加利福尼亚大学的研究人员合作创建了MGIE，该模型在 2024 年国际学习表征会议（ICLR）上以一篇论文的形式呈现。该模型在 GitHub 上可获得，并包括代码、数据和预训练模型。
这是苹果在人工智能研究上的第二个突破。去年12月，苹果透露他们通过发明一种创新的闪存利用技术，成功在iPhone和其他苹果设备上部署了大型语言模型（LLMs）。
在过去的几个月中，苹果一直在测试一种名为“Apple GPT”的竞争对手，可以与ChatGPT竞争。根据 Bloomberg 的 Mark Gurman 的报道，人工智能是苹果的一个重点领域，该公司正在为大型语言模型设计一种名为“Ajax”的框架。
《The Information》和分析师Jeff Pu都声称，苹果将在2024年底左右为iPhone和iPad提供某种生成式人工智能功能，这也是iOS 18发布的时候。据Gurman表示，iOS 18将包括一个增强版Siri，具备类似ChatGPT的生成式人工智能功能，可能成为iPhone历史上“最大”的软件更新。
