Geração de Imagens e Vídeos

Cartões · 50

IA Generativa

Ramo da inteligência artificial focado em criar conteúdos inéditos, como imagens, vídeos, áudios e textos, a partir de padrões aprendidos de dados existentes.

Modelo de Difusão (Diffusion Model)

Arquitetura que gera mídia adicionando ruído gaussiano aos dados de treino e aprendendo a invertê-lo iterativamente para reconstruir imagens límpidas.

GAN (Redes Adversariais Generativas)

Modelo composto por duas redes neurais (gerador e discriminador) que competem entre si até que a mídia gerada seja indistinguível da real.

Prompt

Instrução textual ou comando fornecido a um modelo de IA para orientar o estilo, conteúdo e características da imagem ou vídeo gerado.

Prompt Negativo

Parâmetro que especifica explicitamente elementos indesejados (como deformações, cores ou objetos) que o modelo deve evitar na geração.

Text-to-Image (T2I)

Técnica generativa que converte descrições puramente textuais em representações visuais correspondentes.

Image-to-Image (I2I)

Técnica que utiliza uma imagem base somada a um prompt textual para orientar e transformar a geração de uma nova imagem.

Text-to-Video (T2V)

Processo de geração sequencial de quadros temporais coerentes a partir de uma descrição textual detalhada.

Image-to-Video (I2V)

Animação de uma imagem estática inicial adicionando movimento coerente de câmera ou de elementos com base em comandos textuais.

Espaço Latente (Latent Space)

Espaço vetorial multidimensional comprimido onde o modelo aprende e manipula representações matemáticas abstratas dos dados.

Latent Diffusion Model (LDM)

Modelo que executa o processo de difusão em um espaço latente comprimido em vez do espaço de pixels, reduzindo custo computacional.

Autoencoder Variacional (VAE)

Rede neural que codifica imagens em representações latentes compactas e depois as decodifica de volta ao espaço visual de pixels.

CLIP (Contrastive Language-Image Pre-training)

Modelo da OpenAI treinado para correlacionar pares de imagens e textos, fundamental para guiar modelos de difusão com base no prompt.

Seed (Semente Aleatória)

Valor numérico inicial que determina o ponto de partida do gerador de ruído, permitindo reproduzir exatamente a mesma geração.

Passos de Inferência (Steps)

Número de iterações executadas pelo modelo de difusão para remover o ruído e refinar os detalhes visuais da imagem.

CFG Scale (Classifier-Free Guidance)

Parâmetro que ajusta o quanto o modelo deve aderir rigorosamente ao prompt textual em detrimento da criatividade aleatória.

Denoising Strength

Valor em Image-to-Image que controla quanto ruído é aplicado à imagem base, definindo o nível de alteração visual permitida.

Stable Diffusion

Modelo de difusão latente de código aberto amplamente utilizado para gerar imagens a partir de descrições textuais.

Midjourney

Serviço proprietário de geração de imagens via texto, reconhecido pela alta qualidade artística e facilidade de estilização.

DALL-E 3

Modelo de geração de imagens da OpenAI altamente integrado ao ChatGPT, com grande fidelidade à interpretação contextual de prompts longos.

Sora

Modelo da OpenAI de geração de vídeo a partir de texto capaz de criar cenas complexas com física realista de até um minuto de duração.

Runway Gen-2

Ferramenta multimodal de geração de vídeo capaz de produzir e transformar clipes a partir de texto, imagens ou vídeos existentes.

Pika Labs

Plataforma focada em geração e animação de vídeos curtos a partir de texto e imagens, com ferramentas de controle de movimento.

Stable Video Diffusion (SVD)

Extensão do Stable Diffusion focada na síntese de vídeo temporalmente coerente a partir de imagens de referência.

ControlNet

Estrutura neural que adiciona condições espaciais explícitas (como contornos, profundidade ou poses) a modelos de difusão existentes.

LoRA (Low-Rank Adaptation)

Técnica eficiente de ajuste fino que treina pesos adicionais leves para introduzir estilos, personagens ou conceitos específicos.

Inpainting

Processo de apagar e regenerar uma região específica de uma imagem mantendo o restante intacto e integrado harmonicamente.

Outpainting

Técnica de expansão dos limites de uma imagem além de sua moldura original, gerando novo conteúdo contextual condizente.

Upscaling (Super-resolução)

Aumento da resolução de uma imagem ou vídeo preenchendo detalhes ausentes de forma inteligente usando modelos generativos.

Coerência Temporal

Consistência visual de objetos, iluminação e movimentos entre quadros sucessivos em um vídeo gerado por inteligência artificial.

Flickering

Artefato visual indesejado em vídeos gerados por IA caracterizado por oscilações e mudanças bruscas de textura entre quadros.

Frame Interpolation

Geração algorítmica de quadros intermediários entre dois quadros-chave para aumentar a taxa de quadros e suavizar o movimento.

Checkpoints (.ckpt / .safetensors)

Arquivos que contêm os pesos salvos de redes neurais completas após o processo de treinamento com conjuntos de dados específicos.

Textual Inversion (Embeddings)

Método que ensina um novo conceito ao modelo criando um vetor de palavra personalizado sem alterar os pesos do modelo principal.

DreamBooth

Técnica de ajuste fino profundo que ensina ao modelo um sujeito específico usando poucas imagens atreladas a um identificador único.

Sampler (Amostrador)

Algoritmo numérico (como Euler, DPM++ ou DDIM) responsável por calcular os passos matemáticos de remoção de ruído na difusão.

Deepfake

Mídia sintética gerada por IA que sobrepõe ou substitui o rosto ou voz de uma pessoa em vídeos preexistentes com alto realismo.

Face Swap

Técnica focada na transferência da identidade facial de uma imagem para o corpo de outra pessoa em foto ou vídeo.

NeRF (Neural Radiance Fields)

Técnica que reconstrói cenas 3D contínuas e realistas a partir de um conjunto esparso de fotos 2D de diferentes ângulos.

Gaussian Splatting 3D

Método alternativo ao NeRF que utiliza elipsóides gaussianos para renderização em tempo real de ambientes 3D a partir de fotos.

Prompt Weighting

Sintaxe que atribui pesos matemáticos maiores ou menores a palavras específicas no prompt para dosar sua influência na cena.

Motion Brush

Ferramenta de controle em geradores de vídeo que permite pintar áreas específicas da imagem para direcionar onde ocorrerá o movimento.

Camera Control (Pan/Tilt/Zoom)

Comandos que especificam o movimento virtual da câmera (como aproximação ou rotação) durante a geração de vídeos com IA.

CLIP Skip

Configuração que pula as últimas camadas do modelo CLIP, produzindo interpretações mais conceituais e menos literais do prompt.

OpenPose

Detector de poses esqueléticas de humanos frequentemente usado com ControlNet para impor posições corporais exatas nas gerações.

Canny Edge Detection

Algoritmo de extração de bordas usado com ControlNet para guiar a estrutura visual da imagem gerada preservando contornos.

Depth Map (Mapa de Profundidade)

Representação em tons de cinza da distância geométrica dos objetos na cena, usada para manter a perspectiva tridimensional exata.

Morphing de IA

Transição suave e gradual entre duas imagens ou conceitos calculada pela interpolação de vetores no espaço latente.

Aspect Ratio (--ar)

Proporção entre largura e altura de uma imagem gerada (como 16:9, 9:16 ou 1:1), fundamental para adequação a formatos de mídia.

Flux.1

Modelo avançado de difusão de texto para imagem desenvolvido pela Black Forest Labs, reconhecido pela alta anatomia e fidelidade textual.