Microaula em Método CELULA • Prévia Aberta

A revolução visual da IA moderna não utiliza GANs tradicionais, mas Modelos de Difusão. Compreender o processo físico de adicionar ruído gaussiano e treinar uma rede neural para reverter o ruído passo a passo permite criar pipelines visuais avançados.

1. Modelos de Difusão no Espaço Latente

Como imagens e vídeos são gerados a partir do ruído puro:

• DDPM (Denoising Diffusion Probabilistic Models): Processo direto que adiciona ruído gaussiano incrementalmente e treina uma U-Net para prever e subtrair o ruído a cada passo de tempo;
• Latent Diffusion (Stable Diffusion): Em vez de operar no pesado espaço de pixels brutos, comprime a imagem em um espaço latente compacto com um Autoencoder (VAE), acelerando a geração em dezenas de vezes;
• Condicionamento com CLIP e T5: Projeção de texto em embeddings semânticos que guiam os blocos de atenção cruzada (Cross-Attention) da U-Net;
• ControlNet: Adiciona controle geométrico estrito à difusão utilizando mapas de profundidade, poses humanas (OpenPose) ou detecção de bordas (Canny).

...