FácilMúltipla escolha

Questão de prática de Generative AI Leader

Uma empresa usa um modelo de texto para imagem para gerar visuais de marketing. As saídas frequentemente contêm rostos humanos distorcidos. Qual técnica tem mais probabilidade de melhorar a geração de rostos?

Escolha a melhor resposta.

Resposta correta

  • AFazer o ajuste fino (fine-tune) do modelo em um conjunto de dados curado de rostos humanos.

Explicação

O ajuste fino (fine-tune) do modelo em um conjunto de dados curado de rostos humanos aborda diretamente o problema de distorção, especializando o modelo para a geração de rostos. A Opção B (aumentar a resolução de saída) pode melhorar a nitidez geral da imagem, mas não corrige especificamente as distorções faciais. A Opção C (aumentar o número de etapas de inferencia) pode aprimorar a coerência da imagem, mas não é direcionada à qualidade do rosto. A Opção D (reduzir a escala de orientação livre de classificador) diminui a adesão ao prompt, o que poderia realmente piorar a geração de rostos em vez de melhorá-la.

Por que cada alternativa está certa ou errada

A

Correta

Fazer o ajuste fino (fine-tune) do modelo em um conjunto de dados curado de rostos humanos.

O ajuste fino altera os pesos do modelo em dados faciais curados, ensinando-lhe as estruturas e proporções faciais específicas que ele atualmente renderiza mal. Isso ataca diretamente o modo de falha de rostos distorcidos, ao contrário da engenharia de prompt ou de uma resolução mais alta, que não conseguem corrigir lacunas de representação aprendidas.

B

Incorreta

Aumentar a resolução de saída.

Uma resolução mais alta adiciona detalhes de pixels, mas não corrige a estrutura facial aprendida pelo modelo, de modo que a distorção persiste. É tentador porque a resolução é uma configuração de saída visível, porém o defeito decorre dos dados de treinamento e da arquitetura; o ajuste fino em imagens de rostos nítidas aborda a causa real.

C

Incorreta

Aumentar o número de etapas de inferência.

Mais etapas de inferência refinam uma trajetória latente existente, mas não podem corrigir um modelo que nunca aprendeu uma estrutura facial precisa; elas principalmente aguçam detalhes e podem até amplificar a distorção. É tentador porque a contagem de etapas realmente governa a qualidade de amostragem e a convergência, e aumentá-la é a correção certa quando as saídas parecem ruidosas ou com baixa resolução em vez de anatomicamente erradas.

D

Incorreta

Reduzir a escala de orientação livre de classificador (classifier-free guidance scale).

Diminuir a orientação livre de classificador enfraquece a adesão ao prompt, fazendo com que os rostos se afaste ainda mais da descrição em texto em vez de ganhar precisão anatômica. É tentador porque a escala de orientação controla genuinamente a compensação entre criatividade e fidelidade, e reduzi-la é correto quando as saídas parecem dessaturadas, com contraste excessivo ou anormalmente rígidas para um determinado prompt.

Para se aprofundar

Modelos de difusão de texto para imagem aprendem uma distribuição sobre pixels condicionada por texto; rostos são estruturas de alta frequência e baixa tolerância, portanto, dados de treinamento genéricos em escala da web produzem olhos borrados, características assimétricas e mãos derretidas. O ajuste fino em um conjunto de dados facial curado desloca a prioridade aprendida do modelo para a geometria facial correta, tipicamente via adaptadores LoRA ou personalização estilo DreamBooth que atualizam um subconjunto pequeno de pesos. Aumentar a resolução sozinho frequentemente piora a distorção porque o modelo não foi treinado nessa escala, e mais etapas de inferência apenas refinam uma trajetória latente que já estava errada. A escala de orientação altera a adesão ao prompt, não a correção anatômica. Isso importa quando uma campanha de marca exige porta-vozes fotorrealistas e a revisão jurídica rejeita rostos gerados por IA com artefatos visíveis.

Sobre estas questões de prática

Esta é uma das questões de prática originais de Generative AI Leader da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.