“Revisão de IA: Entenda o Processo de Difusão e UNet”
Tema: Revisão sobre IA: difusão: forward process (processo direto) , timestep (passo de tempo), ruído (informação aleatória), beta schedule, A UNet é a principal rede neural do modelo de difusão. Ela recebe uma imagem com ruído e tenta prever qual ruído deve ser removido. Seu funcionamento é dividido em três partes: • Lado esquerdo do “U”: analisa e comprime a imagem para entender suas formas principais. • Fundo do “U”: adiciona o contexto do prompt de texto (ex.: “um gato de chapéu”). • Lado direito do “U”: reconstrói a informação e cria um mapa do ruído que deve ser removido. A função da UNet é prever o ruído presente na imagem em cada etapa do processo. Denoiser O denoiser é o processo responsável por remover o ruído usando a previsão feita pela UNet. O ciclo funciona assim: 1. pega a imagem com ruído; 2. envia para a UNet; 3. a UNet prevê o ruído; 4. o denoiser remove parte desse ruído; 5. a imagem fica mais limpa; 6. o processo se repete várias vezes. Guidance Scale A guidance scale controla o quanto a IA deve seguir o prompt de texto. • Valor baixo (1–6): mais criatividade; maior liberdade artística; menos fidelidade ao prompt. • Valor alto (7–15): imagem mais fiel ao texto; menos criatividade; maior precisão.
Etapa/Série: 3º ano – Ensino Médio
Disciplina: Formação Técnica e Profissional
Questões: 10
Prova de Revisão sobre IA: Difusão
Disciplina: Formação Técnica e Profissional
Alunos: 3º ano – Ensino Médio
Instruções: Leia atentamente cada questão e escolha a alternativa correta.
—
Questão 1
O que descreve o “forward process” em modelos de difusão?
A) A etapa onde o modelo gera uma nova imagem a partir de um ruído.
B) A sequência de passos que transforma uma imagem clara em uma imagem com ruído.
C) O processo em que a UNet analisa o ruído para produzi-lo.
D) A geração de dados a partir de um prompt de texto.
Questão 2
O “timestep” refere-se a:
A) A quantidade de camadas na arquitetura da UNet.
B) A etapa específica do processo de difusão que influencia o nível de ruído.
C) O controle do formato de entrada da imagem para a UNet.
D) O tempo que a IA leva para processar todos os dados.
Questão 3
O que é considerado “ruído” durante o processo de difusão?
A) Um elemento necessário para a compressão de imagem.
B) Informação aleatória que obscurece a imagem original.
C) Um contexto textual fornecido para ajudar na geração de imagem.
D) O resultado da função do denoiser.
Questão 4
Qual a função do “beta schedule” em um modelo de difusão?
A) Controlar a quantidade de ruído que será adicionado à imagem de entrada.
B) Regular a taxa de aprendizado da UNet durante o treinamento.
C) Definir a quantidade de passos de tempo no processo dinâmico.
D) Criar um vetor de parâmetros para a UNet.
Questão 5
Qual a principal estrutura da UNet e como ela compartilha a informação?
A) O lado direito do “U” analisa as informações da imagem original.
B) O fundo do “U” é responsável pela compressão da imagem.
C) O lado esquerdo do “U” se concentra na adição do prompt de texto.
D) O “U” é dividido para assegurar que informações cruciais não se percam durante a análise.
Questão 6
O que ocorre no ciclo do denoiser?
A) Ele gera um novo prompt de texto para ser utilizado.
B) Ele remove parte do ruído com base na previsão da UNet.
C) Ele compara a imagem original com a imagem final.
D) Ele gera uma nova imagem a partir de uma imagem com ruído.
Questão 7
O que acontece quando se utiliza uma “guidance scale” baixa (1-6)?
A) Resultados mais precisos e realistas.
B) Maior liberdade artística, mas menos fidelidade ao prompt.
C) Imagens de baixa qualidade e detalhes.
D) Um processo de geração mais rápido.
Questão 8
Qual alternativa indica um benefício de um valor alto na “guidance scale” (7-15)?
A) Permitir uma geração mais rápida da imagem.
B) Fomentar mais criatividade na interpretação do prompt.
C) Gerar imagens mais próximas do que é descrito no prompt.
D) Duplicar os ciclos de processamento.
Questão 9
Considerando o funcionamento da UNet, o que significa o lado direito do “U”?
A) É responsável por remover o contexto textual fornecido.
B) Tem a função de reconstruir a informação e criar um mapa do ruído a ser removido.
C) Analisa a imagem para definir quais partes devem ser comprimidas.
D) Gera diferentes versões da imagem para avaliar a saída.
Questão 10
Qual a importância da previsão de ruído pela UNet ao longo do processo?
A) Aumentar a quantidade de ruído na imagem original.
B) Garantir que a imagem final tenha a mesma aparência da original.
C) Ajudar na remoção eficaz do ruído e na melhoria da imagem ao longo de várias iterações.
D) Simplificar o modelo de difusão para facilitar o entendimento.
—
Gabarito Detalhado
1. B – O “forward process” transforma uma imagem clara em uma imagem com ruído, partindo de um estado inicial.
2. B – O “timestep” é a etapa que influencia a quantidade de ruído presente e controla o processo de difusão.
3. B – O “ruído” é informação aleatória que obscurece a imagem original, dificultando a sua interpretação.
4. A – O “beta schedule” controla como e quanto ruído é adicionado à imagem em cada iteração do processo.
5. D – O lado direito da UNet é responsável por reconstruir a informação e criar um mapa do ruído que deve ser removido, garantindo que informações cruciais sejam preservadas.
6. B – O ciclo do denoiser envolve a remoção do ruído baseado na previsão que a UNet realiza.
7. B – Uma “guidance scale” baixa (1-6) traz mais liberdade criativa na geração, mas com menor aderência ao prompt original.
8. C – Um valor alto na “guidance scale” traz maior fidelidade e precisão em relação ao prompt textual.
9. B – O lado direito do “U” é responsável pela reconstrução da imagem e pela criação de um mapa de ruído.
10. C – A previsão de ruído pela UNet ao longo do processo é crucial para a remoção eficaz do ruído e para limpar a imagem progressivamente.
Essa prova permite a análise dos conhecimentos adquiridos e a aplicação prática de conceitos relevantes no contexto atual da inteligência artificial e seu funcionamento, conforme indicado nas competências da BNCC.
