Apple är inte en av de ledande aktörerna på marknaden för artificiell intelligens, men teknikjättens nya AI-modell med öppen källkod för bildredigering visar vilka bidrag företaget kan göra på området.
Modellen, som kallas MLLM-Guided Image Editing (MGIE), använder multimodala stora språkmodeller (MLLM) för att tolka textkommandon i bildbehandling. Med andra ord, med detta verktyg har användaren möjlighet att redigera foton baserat på texten de anger. Även om det inte är det första verktyget som kan göra detta, "är mänskliga instruktioner ibland för korta för att moderna metoder ska kunna fånga och utföra", står det i projektdokumentet.
Företaget utvecklade MGIE tillsammans med forskare från University of California. MLLM:er kan omvandla enkla eller tvetydiga textmeddelanden till mer detaljerade och begripliga instruktioner som en fotoredigerare kan följa. Om en användare till exempel vill redigera ett foto av en pepperonipizza för att "göra den hälsosammare", kan MLLM tolka det som "lägg till grönsakspålägg" och redigera fotot därefter.
Förutom att göra grundläggande bildändringar kan MGIE också beskära, ändra storlek och rotera foton, samt förbättra deras ljusstyrka, kontrast och färgbalans, allt med textuppmaningar. Du kan också använda verktyget för att redigera vissa delar av fotot och till exempel ändra hår, ögon och kläder på personen i det, eller ta bort element i bakgrunden.
Apple släppte modellen igenom GitHub, men intresserade kan också prova demoversionen, som för närvarande finns på Hugging Face Spaces. Företaget har ännu inte sagt om det planerar att använda det det lär sig från projektet som ett verktyg eller funktion som det kan inkludera i någon av sina produkter.
Läs också: