mgie

苹果开源了一种新的技术，名为多模态大语言模型引导的编辑（MGIE），这项技术能够帮助用户通过自然语言指令来修改图片，使得编辑图片更加简单和自然。MGIE采用多模态大型语言模型（MLLMs）进行图像编辑指令的生成，通过端到端训练，模型不仅捕捉视觉想象力，还执行图像处理操作。该方法在ICLR'24上取得了Spotlight成果。