财联社 2 月 8 日讯（编辑 史正丞）看着三星刚发布的 AI 手机 " 画个圈就能编辑图片 "，iPhone 用户只能无奈地咽下口水。但最新论文却显示，苹果公司在 AI 领域的储备，显然要比市场预期得丰厚不少。

苹果与加州大学研究人员在本周刊发的论文中，公开了一项基于多模态大模型，能根据自然语言指示进行图片编辑的开源 "MGIE"AI 模型。开发人员直言，这个 AI 能够进行 "Photoshop 式的修改 "、全局优化和局部编辑。

（来源：arXiv）

这项研究的突破之处在于，虽然现在多模态大语言模型（MLLMs）在跨模态理解和视觉感知响应生成方面表现出了卓越的能力，但尚未被广泛应用于图像编辑任务。而从这篇论文给出的一系列演示来看，光是 MGIE 展现出来的 AI 图像编辑能力，就足以推出一系列有趣的 AI 应用。

这个 AI 能做什么？

使用多模态大语言模型编辑图像有两个好处：首先，模型能够将自然语言指令翻译成更容易让机器执行的命令。例如用户输入 " 让图片背景的天空更蓝一些 " 时，MGIE 会将提示词转化为 " 将天空区域的饱和度提高 20%"。其次，多模态大语言模型在视觉想象力、图片生成等模块本身也具有一定的优越性。

论文也给出了不少示例：

比如，" 让图中食物变得更健康一些 "，AI 就会在纯肉披萨上，加一些小番茄和香草叶。

还有网友们需求极大的 "P 图 " 功能：将背景里的人去掉，这个 AI 也能抠得干干净净。

从多个同类 AI 的表现对比来看，MGIE 在理解指令（例如在甜甜圈上覆盖草莓酱淋面）和执行 P 图命令（增亮、锐化图片）方面，也展现出了业界顶级的效果。

（注：从左往右数，第一张为原图，第四张为 MGIE 输出效果）

目前 MGIE 的开源文件已经被论文第一作者、加州大学圣塔芭芭拉分校的 Tsu-Jui Fu 上传到 Github 上，同时在 " 抱抱脸 " 平台上开放了试用 demo。论文显示，Tsu-Jui Fu 曾在 2023 年夏天在苹果公司实习，MGIE 的研究工作也是在那个时候完成的。

围绕苹果的 AI 争论

MGIE 和这篇论文，也展现了苹果公司近些年来在 AI 领域确有相当水平的积累。

在被华尔街诟病 " 没跟上 AI 时代 "，以及科技爆料人嘴里 " 苹果高层惊慌失措 " 后，前不久才从世界市值第一上市公司的位置上掉下来的苹果，势将在今年对外展示 iOS 如何使用 AI。外界普遍预期，每年 6 月苹果披露最新软件成就的 WWDC，今年将会成为发布 AI 产品的主阵地。

在今年 2 月 1 日的财报电话会上，库克也明确表示，公司在生成式人工智能方面正在开展大量工作，同时在今年晚些时候，苹果将讨论一些 " 让我们感到无比兴奋的事情 "。

值得一提的是，苹果公司在机器学习等领域一直都有投入，但在产品宣发层面却不太喜欢使用 AI 这个词。在去年 WWDC 上，苹果发布能够自动修正拼写错误的键盘功能，底层技术正是与 ChatGPT 类似的 transformer 模型，但是苹果在发布会上完全没有提 AI，仅使用了更为学术化的称呼——机器学习。