اپل در حال کار بر روی یک ابزار ویرایش جدید مبتنی بر هوش مصنوعی است و اکنون می توانید نسخه نمایشی آن را امتحان کنید

MGIE یا MLLM-Guided (مدل زبان بزرگ چندوجهی) ویرایش تصویر نامیده می شود. این فناوری حاصل همکاری اپل و محققان دانشگاه کالیفرنیا، سانتا باربارا است . در این مقاله آمده است که MGIE قادر به ” [اصلاحات] به سبک فتوشاپ ” است که از تغییرات ساده مانند برش تا ویرایش‌های پیچیده‌تر مانند حذف اشیا از یک عکس را شامل می‌شود. این امر توسط MLLM (مدل زبان بزرگ چند وجهی)، نوعی از هوش مصنوعی که قادر به پردازش همزمان “متن و تصاویر” است، ممکن شده است.

VentureBeat در گزارش خود توضیح می‌دهد که MLLMها «قابلیت‌های قابل‌توجهی در درک مدل‌های متقابل» نشان می‌دهند، اگرچه علیرغم کارآیی فرضی‌شان، به طور گسترده در نرم‌افزار ویرایش تصویر پیاده‌سازی نشده‌اند.

تظاهرات عمومی

روش کار MGIE بسیار ساده است. شما یک تصویر را در موتور هوش مصنوعی آپلود می‌کنید و دستورالعمل‌های واضح و مختصر در مورد تغییراتی که می‌خواهید ایجاد کند به آن می‌دهید. VentureBeat می گوید مردم باید “راهنمایی صریح” ارائه دهند. به عنوان مثال، می توانید تصویری از یک روز روشن و آفتابی آپلود کنید و به MGIE بگویید “آسمان را آبی تر کند.” رنگ آسمان را کمی اشباع می کند، اما ممکن است آنطور که می خواهید واضح نباشد. شما باید آن را بیشتر راهنمایی کنید تا به نتایج دلخواه برسید. 

MGIE در حال حاضر در GitHub به عنوان یک پروژه منبع باز در دسترس است . محققان «کد، داده، [مدل های از پیش آموزش دیده]» و همچنین یک دفترچه یادداشت به مردم آموزش می دهند که چگونه از هوش مصنوعی برای ویرایش وظایف استفاده کنند. همچنین یک نسخه نمایشی وب در پلتفرم فناوری مشترک Hugging Face در دسترس عموم قرار دارد. با دسترسی به این نسخه ی نمایشی، تصمیم گرفتیم که هوش مصنوعی اپل را برای یک چرخش خارج کنیم.

در آزمایش خود، تصویری از گربه ای را که از Unsplash گرفته بودیم آپلود کردیم و سپس به MGIE دستور دادیم تا چندین تغییر ایجاد کند. و طبق تجربه ما، درست بود. در یک نمونه، به آن گفتیم که پس‌زمینه را از آبی به قرمز تغییر دهد. با این حال، MGIE در عوض پس‌زمینه را سایه تیره‌تر از آبی با بافتی استاتیک مانند کرد. در موردی دیگر، موتور را وادار کردیم که پس‌زمینه‌ای بنفش با ضربات رعد و برق اضافه کند و چیزی بسیار پویاتر ایجاد کرد.

گنجاندن در آیفون های آینده

در زمان نوشتن این مقاله، ممکن است در هنگام تلاش برای تولید محتوا، زمان‌های صف طولانی را تجربه کنید. اگر کار نکرد، صفحه Hugging Face پیوندی به همان هوش مصنوعی دارد که در Gradio میزبانی شده است ، همان هوش مصنوعی که ما استفاده کردیم. به نظر نمی رسد تفاوتی بین این دو وجود داشته باشد.

حال سوال این است: آیا این فناوری برای آیفون آینده یا iOS 18 عرضه خواهد شد ؟ شاید. همانطور که در ابتدا به آن اشاره شد، تیم کوک، مدیر عامل شرکت به سرمایه گذاران گفت که ابزارهای هوش مصنوعی در اواخر سال به دستگاه های آن می آیند ، اما جزئیات خاصی ارائه نکرد. شخصاً می‌توانیم MGIE تبدیل به نسخه آیفون ویرایشگر جادویی Google را مشاهده کنیم . قابلیتی که می تواند محتویات یک عکس را به طور کامل تغییر دهد. اگر مقاله تحقیقاتی arXiv را بخوانید، مطمئناً به نظر می رسد که این مسیری است که اپل با هوش مصنوعی خود در پیش گرفته است.

MGIE هنوز در حال پیشرفت است. خروجی ها کامل نیستند. یکی از تصاویر نمونه نشان می دهد که بچه گربه تبدیل به یک هیولا شده است. اما ما انتظار داریم که تمام اشکالات در خط حل شود.

منبع : techradar