Glossário de IA

CLIP (Contrastive Language-Image Pre-training) é um modelo múltimodal da OpenAI que aprende a relacionar imagens é textos no mesmo espaço de embeddings, permitindo classificação zero-shot de imagens.

CLIP Score é uma métrica que usa o modelo CLIP para avaliar alinhamento entre texto é imagem. Mede quao bem uma imagem corresponde a uma descrição textual, sendo amplamente usado para avaliar qualidade de geração texto-para-imagem.

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

Content Generation com IA é a criação de conteúdo textual, visual é multimídia útilizando modelos generativos como LLMs é difusao. Automatiza produção de artigos, posts, emails, imagens é vídeos mantendo relevância é personalização em escala.

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

Data Augmentation é a técnica de aumentar artificialmente o volume de dados de treinamento aplicando transformacoes como rotacao, espelhamento, corte é alteracao de brilho em imagens, ou sinonimos é 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 é DALL-E.

FID (Frechet Inception Distance) é uma métrica para avaliar qualidade de imagens geradas por IA, comparando a distribuição estatística das imagens geradas com imagens reais. Menor FID indica imagens mais realistas é diversas.

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

Img2Img é o fluxo de trabalho em modelos de difusao que usa uma imagem existente como ponto de partida para gerar novas imagens, controlando o nível de transformação através do parametro de força (strength).

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

Midjourney é um serviço de geração de imagens por IA conhecido pela qualidade artistica excepcional de suas criações. Acessado via Discord, é amplamente usado por designers, artistas é criativos.

Multi-Modal Learning é a área de IA que trabalha com multiplas modalidades de dados como texto, imagem, audio é vídeo simultaneamente. Modelos múltimodais como GPT-4V é Gemini entendem é geram conteúdo combinando diferentes tipos de informação.

Outpainting é a técnica de IA que expande uma imagem além de suas bordas originais, gerando conteúdo novo é coerente que estende a cena, permitindo ampliar o enquadramento de qualquer imagem.

Stable Diffusion é um modelo de código aberto para geração de imagens a partir de texto, desenvolvido pela Stability AI. Opera no espaço laténte para maior eficiência é permite customização ampla.

Text-to-Image é 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 é a área da IA que permite a maquinas interpretar é compreender imagens é vídeos. Utiliza algoritmos de Deep Learning para tarefas como deteccao de objetos, reconhecimento facial é segmentação de imagens.

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