Glossário de IA

CLIP (Contrastive Language-Image Pre-training) e um modelo multimodal da OpenAI que aprende a relacionar imagens e textos no mesmo espaco de embeddings, permitindo classificacao zero-shot de imagens.

CLIP Score e uma metrica que usa o modelo CLIP para avaliar alinhamento entre texto e imagem. Mede quao bem uma imagem corresponde a uma descricao textual, sendo amplamente usado para avaliar qualidade de geracao texto-para-imagem.

CNN (Rede Neural Convolucional) e uma arquitetura especializada em processar dados com estrutura de grade, como imagens. Usa filtros convolucionais para detectar padroes visuais hierarquicos.

Content Generation com IA e a criacao de conteudo textual, visual e multimidia utilizando modelos generativos como LLMs e difusao. Automatiza producao de artigos, posts, emails, imagens e videos mantendo relevancia e personalizacao em escala.

DALL-E e um modelo de IA da OpenAI capaz de gerar imagens a partir de descricoes textuais. Combina tecnicas de modelos de linguagem e difusao para criar imagens originais e criativas.

Data Augmentation e a tecnica de aumentar artificialmente o volume de dados de treinamento aplicando transformacoes como rotacao, espelhamento, corte e alteracao de brilho em imagens, ou sinonimos e parafrase em texto.

Modelos de Difusao sao uma classe de modelos generativos que aprendem a criar dados (imagens, audio) revertendo um processo gradual de adicao de ruido. Sao a base do Stable Diffusion e DALL-E.

FID (Frechet Inception Distance) e uma metrica para avaliar qualidade de imagens geradas por IA, comparando a distribuicao estatistica das imagens geradas com imagens reais. Menor FID indica imagens mais realistas e diversas.

Image-to-Image e uma tecnica de IA generativa que transforma uma imagem de entrada em outra imagem modificada, aplicando estilos, correcoes ou transformacoes guiadas por prompts textuais.

Img2Img e o fluxo de trabalho em modelos de difusao que usa uma imagem existente como ponto de partida para gerar novas imagens, controlando o nivel de transformacao atraves do parametro de forca (strength).

Inpainting e uma tecnica de IA que preenche ou substitui partes selecionadas de uma imagem de forma inteligente, mantendo coerencia visual com o restante da imagem para edicao ou restauracao.

Midjourney e um servico de geracao de imagens por IA conhecido pela qualidade artistica excepcional de suas criações. Acessado via Discord, e amplamente usado por designers, artistas e criativos.

Multi-Modal Learning e a area de IA que trabalha com multiplas modalidades de dados como texto, imagem, audio e video simultaneamente. Modelos multimodais como GPT-4V e Gemini entendem e geram conteudo combinando diferentes tipos de informacao.

Outpainting e a tecnica de IA que expande uma imagem alem de suas bordas originais, gerando conteudo novo e coerente que estende a cena, permitindo ampliar o enquadramento de qualquer imagem.

Stable Diffusion e um modelo de codigo aberto para geracao de imagens a partir de texto, desenvolvido pela Stability AI. Opera no espaco latente para maior eficiencia e permite customizacao ampla.

Text-to-Image e a tecnologia de IA generativa que cria imagens a partir de descricoes textuais, permitindo que usuarios gerem visuais detalhados apenas digitando o que desejam ver.

Visao Computacional e a area da IA que permite a maquinas interpretar e compreender imagens e videos. Utiliza algoritmos de Deep Learning para tarefas como deteccao de objetos, reconhecimento facial e segmentacao de imagens.

Vision-Language Model (VLM) e um modelo de IA que processa e entende tanto imagens quanto texto simultaneamente. Exemplos incluem GPT-4V, Claude Vision e Gemini, capazes de descrever imagens, responder perguntas visuais e raciocinar sobre conteudo visual.