Glossário IA
O dicionário completo da Inteligência Artificial
VAE-GAN
Modelo que unifica autoencoders variacionais e redes generativas adversariais, onde o decodificador do VAE serve como gerador e um discriminador adicional avalia a qualidade das amostras geradas.
BiGAN
Rede Adversarial Generativa Bidirecional que permite a aprendizagem simultânea de um gerador e de um codificador inverso, onde o discriminador distingue pares (dados reais, codificação) de pares (dados gerados, ruído).
ALI
Inference Aprendida Adversarialmente (Adversarially Learned Inference), modelo similar ao BiGAN onde o codificador aprende uma distribuição posterior sobre as variáveis latentes de forma adversarial, permitindo uma inferência eficiente em modelos generativos.
Espaço Latente Estruturado
Espaço de representação aprendido por autoencoders adversariais onde as dimensões são descorrelacionadas e interpretáveis, facilitando manipulações semânticas e interpolações coerentes entre amostras.
Reconstrução Adversarial
Processo onde a qualidade da reconstrução de um autoencoder é avaliada por um discriminador em vez de uma simples perda pixel a pixel, garantindo reconstruções mais realistas e perceptualmente melhores.
Divergência Adversarial
Medida de divergência entre distribuições aprendida de forma adversarial, substituindo a divergência KL tradicional nos VAEs para capturar estruturas mais complexas e multimodais dos dados.
Regularização Adversarial
Técnica que utiliza um discriminador para regularizar o espaço latente de um autoencoder, prevenindo o overfitting e garantindo que as representações sigam propriedades desejadas como continuidade ou distribuição gaussiana.
Inferência Adversarial
Método de aprendizagem de modelos generativos onde o processo de inferência (codificação) é otimizado de forma adversarial com a geração, equilibrando precisão de reconstrução e qualidade generativa.
Autoencoder Denoising Adversário
Variante dos autoencoders denoising onde um discriminador adicional avalia a qualidade das denoising, forçando o modelo a produzir restaurações não apenas precisas, mas também realistas.
CycleGAN-AE
Arquitetura que combina Cycle-consistent GANs com autoencoders para garantir traduções interdomínio que preservam tanto o conteúdo semântico quanto a estrutura latente dos dados originais.
Colapso de Modo Atenuado
Fenômeno reduzido em modelos híbridos autoencoder-GAN onde a restrição de reconstrução força o gerador a cobrir toda a distribuição dos dados, em vez de se concentrar em apenas alguns modos.
Vetor Latente Adversário
Vetor no espaço latente de um autoencoder adversário cuja modificação produz mudanças controladas e interpretáveis nos dados gerados, permitindo edições semânticas precisas.
Discriminador Multi-escala
Arquitetura discriminadora que avalia as gerações em várias resoluções simultaneamente em sistemas autoencoder-GAN, garantindo a consistência tanto dos detalhes finos quanto das estruturas globais.
Autoencoder Quantizado Adversário
Modelo onde o código latente é discretizado por quantização vetorial com um processo de aprendizado antagônico, permitindo representações compactadas eficientes enquanto mantém alta qualidade generativa.