Apple non è uno dei principali attori nel mercato dell'intelligenza artificiale, ma il nuovo modello di intelligenza artificiale open source del colosso tecnologico per l'editing delle immagini mostra quanto l'azienda potrebbe contribuire in questo campo.
Il modello, chiamato MLLM-Guided Image Editing (MGIE), utilizza modelli multimodali di linguaggio di grandi dimensioni (MLLM) per interpretare i comandi di testo nell'elaborazione delle immagini. In altre parole, con questo strumento, l'utente ha la possibilità di modificare le foto in base al testo inserito. Sebbene non sia il primo strumento in grado di farlo, "le istruzioni umane a volte sono troppo brevi per essere catturate ed eseguite dai metodi moderni", afferma il documento del progetto.
L'azienda ha sviluppato MGIE insieme ai ricercatori dell'Università della California. Gli MLLM sono in grado di trasformare istruzioni di testo semplici o ambigue in istruzioni più dettagliate e comprensibili che un editor di foto può seguire. Ad esempio, se un utente desidera modificare la foto di una pizza ai peperoni per "renderla più sana", MLLM può interpretarlo come "aggiungere condimenti vegetali" e modificare la foto di conseguenza.
Oltre ad apportare modifiche di base alle immagini, MGIE può anche ritagliare, ridimensionare e ruotare le foto, nonché migliorarne la luminosità, il contrasto e il bilanciamento del colore, il tutto con istruzioni di testo. Puoi anche utilizzare lo strumento per modificare alcune aree della foto e, ad esempio, cambiare i capelli, gli occhi e i vestiti della persona ritratta o rimuovere elementi sullo sfondo.
Apple ha rilasciato il modello attraverso GitHub, ma chi è interessato può anche provare la versione demo, attualmente ospitata su Hugging Face Spaces. L'azienda non ha ancora detto se intende utilizzare ciò che apprende dal progetto come strumento o funzionalità da includere in uno qualsiasi dei suoi prodotti.
Leggi anche: