Apple ha lanzado un nuevo modelo de IA de código abierto llamado MGIE, que puede editar imágenes basándose en instrucciones de lenguaje natural. Desarrollado en colaboración con investigadores de la Universidad de California en Santa Bárbara, MGIE aprovecha los modelos multimodales de gran lenguaje (MLLM) para interpretar las órdenes del usuario y realizar manipulaciones a nivel de píxel. El modelo puede manejar diversos aspectos de la edición, como la modificación al estilo Photoshop, la optimización global de la foto y la edición local. MGIE integra los MLLM en el proceso de edición de imágenes derivando instrucciones expresivas de la entrada del usuario y generando imaginación visual para las ediciones deseadas. Puede realizar una amplia gama de ediciones, desde simples ajustes de color hasta complejas manipulaciones de objetos. MGIE es un proyecto de código abierto disponible en GitHub, con código, datos y modelos preentrenados. Los usuarios también pueden probar MGIE en línea a través de una demostración web alojada en Hugging Face Spaces. MGIE es un gran avance en la edición de imágenes basada en instrucciones, que demuestra el potencial de los MLLM y abre nuevas posibilidades de interacción intermodal. Es una herramienta práctica para diversos fines, que permite a los usuarios crear, modificar y optimizar imágenes. MGIE pone de manifiesto la creciente destreza de Apple en la investigación y el desarrollo de la IA. Aunque aún queda trabajo por hacer para mejorar los sistemas de IA multimodal, el lanzamiento de MGIE indica el rápido progreso en este campo y el potencial de la IA asistencial para convertirse en un compañero creativo indispensable.
