[ad_1]
Maçã não é um dos principais jogadores no jogo de IA hoje, mas o novo modelo de IA de código aberto da empresa para edição de imagens mostra o que é capaz de contribuir para o espaço. O modelo denominado MLLM-Guided Image Editing (MGIE), que usa modelos multimodais de linguagem grande (MLLMs) para interpretar comandos baseados em texto ao manipular imagens. Em outras palavras, a ferramenta tem a capacidade de editar fotos com base no texto que o usuário digita. Embora não seja a primeira ferramenta que pode fazer isso, “as instruções humanas às vezes são muito breves para serem capturadas e seguidas pelos métodos atuais”, o papel do projeto (PDF) lê.
A empresa desenvolveu o MGIE com pesquisadores da Universidade da Califórnia, em Santa Bárbara. Os MLLMs têm o poder de transformar instruções de texto simples ou ambíguas em instruções mais detalhadas e claras que o próprio editor de fotos pode seguir. Por exemplo, se um usuário quiser editar a foto de uma pizza de pepperoni para “torná-la mais saudável”, os MLLMs podem interpretar isso como “adicionar coberturas vegetais” e editar a foto como tal.
Além de fazer grandes alterações nas imagens, o MGIE também pode cortar, redimensionar e girar fotos, além de melhorar seu brilho, contraste e equilíbrio de cores, tudo por meio de instruções de texto. Ele também pode editar áreas específicas de uma foto e, por exemplo, modificar o cabelo, os olhos e as roupas de uma pessoa nela, ou remover elementos do fundo.
Como VentureBeat notas, a Apple lançou o modelo através GitHubmas os interessados também podem experimentar um demonstração que está atualmente hospedado no Hugging Face Spaces. A Apple ainda não disse se planeja usar o que aprender com este projeto em uma ferramenta ou recurso que possa incorporar em qualquer um de seus produtos.
[ad_2]
Fonte: