財聯社2月8日訊（編輯 史正丞） 看著三星剛釋出的AI手機「畫個圈就能編輯圖片」，iPhone使用者只能無奈地咽下口水。但最新論文卻顯示， 蘋果公司在AI領域的儲備，顯然要比市場預期得豐厚不少 。
蘋果與加州大學研究人員在本周刊發的論文中，公開了一項 基於多模態大模型，能根據自然語言指示進行圖片編輯的開源「MGIE」AI模型 。開發人員直言，這個AI能夠進行「Photoshop式的修改」、全域最佳化和局部編輯。
（來源：arXiv）
這項研究的突破之處在於，雖然現在多模態大語言模型（MLLMs）在跨模態理解和視覺感知響應生成方面表現出了卓越的能力，但尚未被廣泛套用於影像編輯任務。而從這篇論文給出的一系列演示來看，光是MGIE展現出來的AI影像編輯能力，就足以推出一系列有趣的AI套用。
這個AI能做什麽？
使用多模態大語言模型編輯影像有兩個好處：首先， 模型能夠將自然語言指令轉譯成更容易讓機器執行的命令 。例如使用者輸入「讓圖片背景的天空更藍一些」時，MGIE會將提示詞轉化為「將天空區域的飽和度提高20%」。其次， 多模態大語言模型在視覺想象力、圖片生成等模組本身也具有一定的優越性 。
論文也給出了不少範例：
比如，「讓圖中食物變得更健康一些」，AI就會 在純肉披薩上，加一些小番茄和香草葉 。
還有網友們需求極大的「P圖」功能： 將背景裏的人去掉 ，這個AI也能摳得幹幹凈凈。
從多個同類AI的表現對比來看，MGIE在理解指令（例如在甜甜圈上覆蓋草莓醬淋面）和執行P圖命令（增亮、銳化圖片）方面，也展現出了業界頂級的效果。
（註：從左往右數，第一張為原圖，第四張為MGIE輸出效果）
目前MGIE的開原始檔已經被論文第一作者、加州大學聖塔芭芭拉分校的Tsu-Jui Fu上傳到Github上，同時在「抱抱臉」平台上開放了試用demo。論文顯示，Tsu-Jui Fu曾在2023年夏天在蘋果公司實習，MGIE的研究工作也是在那個時候完成的。
圍繞蘋果的AI爭論
MGIE和這篇論文，也展現了蘋果公司近些年來在AI領域確有相當水平的積累。
在被華爾街詬病「沒跟上AI時代」，以及科技爆料人嘴裏「蘋果高層驚慌失措」後，前不久才從世界市值第一上市公司的位置上掉下來的蘋果，勢將在今年對外展示iOS如何使用AI。 外界普遍預期，每年6月蘋果披露最新軟件成就的WWDC，今年將會成為釋出AI產品的主陣地。
在今年2月1日的財報電話會上，庫克也明確表示，公司在生成式人工智能方面正在開展大量工作，同時 在今年晚些時候，蘋果將討論一些「讓我們感到無比興奮的事情」 。
值得一提的是，蘋果公司在機器學習等領域一直都有投入，但在產品宣發層面卻不太喜歡使用AI這個詞。在去年WWDC上，蘋果釋出能夠自動修正拼寫錯誤的鍵盤功能，底層技術正是與ChatGPT類似的transformer模型，但是蘋果在釋出會上完全沒有提AI，僅使用了更為學術化的稱呼——機器學習。
