相比较微软的风生水起，苹果公司在 AI 领域的布局显得低调很多，但这并不意味着苹果在该领域就没有丝毫建树。苹果公司近日发布了名为“MGIE”的新型开源人工智能模型，它可以根据自然语言指令编辑图像。

MGIE 的全称是 MLLM-Guided Image Editing，利用多模态大型语言模型（MLLM）解释用户指令并执行像素级操作。MGIE 可以理解用户下达的自然语言命令，进行 Photoshop 风格的修改、全局照片优化和局部编辑等操作。

MGIE 通过两种方式将 MLLMs 集成到图像编辑过程中：首先，它使用 MLLMs 从用户输入中推导出富有表现力的指令。这些指令简洁明了，为编辑过程提供了明确的指导。

例如，当输入“让天空更蓝”时，MGIE 可以生成“将天空区域的饱和度提高 20%”的指令。

其次，它使用 MLLM 生成视觉想象力，即所需编辑的潜在表征。这一表征捕捉了编辑的本质，可用于指导像素级操作。MGIE 采用了一种新颖的端到端训练方案，可联合优化指令推导、视觉想象和图像编辑模块。

MGIE 可以处理各种编辑情况，从简单的颜色调整到复杂的对象操作。该模型还可以根据用户的偏好执行全局和局部编辑。