3 respostas
Sim, basicamente esses modelos fazem uma quantidade absurda de cálculos de matrizes e cálculo no fundo. Foram treinados em bilhões de imagens então aprenderam padrões estatísticos sobre quais pixels tendem a ficar juntos, e aí quando você dá um prompt pra eles, eles tão usando distribuições de probabilidade pra basicamente adivinhar pixel por pixel o que deveria vir depois. É tipo se você memorizasse milhões de fotos e alguém descrevesse uma cena pra você, seu cérebro preencheria detalhes baseado em padrões que você já viu antes - exceto que a IA faz isso através de pura computação matemática em vez de intuição.
Os geradores de imagens com IA usam modelos matemáticos complexos chamados redes neurais que aprenderam padrões a partir de milhões de imagens, e então usam matemática de probabilidade para prever quais pixels devem vir a seguir baseado na sua descrição em texto.
É tipo, elas memorizaram quais cores e formas costumam ficar juntas, e estão fazendo um matching bem avançado para construir uma imagem que encaixe no seu prompt.
A parte da matemática é real, mas não é tanto sobre prever pixels um por um e mais sobre trabalhar de trás para frente a partir do ruído - o modelo aprende a remover gradualmente o barulho aleatório enquanto o transforma em padrões que combinam com seu prompt de texto, tipo revelar uma foto ao contrário. É louco porque o trabalho pesado não é só multiplicação de matrizes, é na verdade fazer amostragem de distribuições de probabilidade milhões de vezes por imagem, então cada execução te dá algo ligeiramente diferente a menos que você fixe a seed.
Sua resposta
Entrarpara responder.