Meskipun Apple bukan salah satu pemain utama dalam permainan kecerdasan buatan saat ini, tetapi model kecerdasan buatan open source baru perusahaan untuk pengeditan gambar menunjukkan apa yang mampu mereka kontribusikan pada ruang tersebut. Model yang disebut MLLM-Guided Image Editing (MGIE), yang menggunakan model bahasa besar multimodal (MLLM) untuk menafsirkan perintah berbasis teks saat memanipulasi gambar. Dengan kata lain, alat ini memiliki kemampuan untuk mengedit foto berdasarkan teks yang dimasukkan pengguna. Meskipun bukan alat pertama yang dapat melakukannya, “instruksi manusia terkadang terlalu singkat bagi metode saat ini untuk menangkap dan mengikuti,” tulis kertas proyek tersebut.
Perusahaan mengembangkan MGIE dengan para peneliti dari University of California, Santa Barbara. MLLM memiliki kekuatan untuk mengubah perintah teks yang sederhana atau ambigu menjadi instruksi yang lebih rinci dan jelas yang dapat diikuti oleh editor foto itu sendiri.
Selain membuat perubahan besar pada gambar, MGIE juga dapat memotong, mengubah ukuran, dan memutar foto, serta meningkatkan kecerahan, kontras, dan keseimbangan warnanya, semua melalui perintah teks. Ini juga dapat mengedit area tertentu dari foto dan dapat, misalnya, memodifikasi rambut, mata, dan pakaian seseorang di dalamnya, atau menghapus elemen-elemen di latar belakang.
Seperti yang dicatat oleh VentureBeat, Apple merilis model melalui GitHub, tetapi mereka yang tertarik juga dapat mencoba demo yang saat ini di-hosting di Hugging Face Spaces. Apple belum mengumumkan apakah mereka berencana untuk menggunakan apa yang dipelajari dari proyek ini menjadi sebuah alat atau fitur yang dapat mereka masukkan ke dalam salah satu produk mereka.
