Glossário

Distância de Fréchet inception (FID)

O que é Distância de Fréchet inception (FID)?

A distância de Fréchet inception (FID) é uma métrica para avaliar a qualidade de imagens geradas por IA. Imagens reais e geradas são passadas por uma rede de reconhecimento de imagem pré-treinada (Inception v3) e comparam-se as distribuições estatísticas das suas características. Quanto mais baixo o valor, mais as imagens geradas se aproximam de fotografias reais em realismo e variedade. A FID foi introduzida em 2017 e é uma referência para comparar geradores de imagens.

Temas

Geração de imagens
Métrica de avaliação
Investigação

Experimentar o KI.ordo

Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.

Iniciar demonstração

← Todos os termos

Termos relacionados

Rede generativa adversarial (GAN)

Uma rede generativa adversarial (GAN) é composta por duas redes neuronais treinadas uma contra a outra: o gerador cria dados artificiais, como imagens, e o discriminador tenta distingui-los dos reais. Através desta competição, os resultados tornam-se cada vez mais realistas. As GAN foram introduzidas em 2014 e marcaram a geração de imagens antes de os modelos de difusão se generalizarem; são usadas, por exemplo, para dados de treino sintéticos ou para melhoria de imagem.

Redes neuronais
Geração de imagens
+1

Stable Diffusion

O Stable Diffusion é uma família de modelos de geração de imagens que criam imagens a partir de uma descrição em texto. A primeira versão foi lançada em 2022, desenvolvida sob a liderança da Stability AI em conjunto com parceiros de investigação. Tecnicamente, é um modelo de difusão latente que transforma gradualmente ruído de imagem numa imagem. Como os pesos do modelo são publicados, pode ser executado e personalizado localmente; a utilização comercial das versões mais recentes é regida pela licença própria da Stability AI (à data de outubro de 2026).

geração de imagens
modelo de difusão
+1

Benchmarking

Em IA, benchmarking significa comparar sistematicamente modelos ou sistemas com base em tarefas e critérios definidos. Os benchmarks públicos medem, por exemplo, conhecimentos gerais, capacidade de raciocínio ou de programação; para a utilização prática, porém, o que mais conta são casos de teste do próprio dia a dia de trabalho. Critérios típicos são a exatidão, a exaustividade, o tempo de resposta e o custo. Isto ajuda a decidir se um modelo mais pequeno e mais barato é suficiente para uma tarefa.

Comparação de modelos
Evaluation
+1

Modelo

Reconhecimento de imagem

O reconhecimento de imagem é uma área da visão computacional em que o software identifica o que uma imagem mostra – objetos, pessoas, texto, logótipos ou cenas. Baseia-se normalmente em redes neuronais treinadas com grandes quantidades de imagens rotuladas. As aplicações vão do controlo de qualidade na produção e da organização de fotografias de produtos até ao apoio à imagiologia médica. Com imagens de pessoas, a proteção de dados e o possível enviesamento exigem especial atenção.

Visão computacional
Análise de imagem
+1