Glossário IA
O dicionário completo da Inteligência Artificial
Destilação de Conhecimento
Técnica onde um grande modelo de difusão (professor) treina um modelo menor e mais rápido (aluno) para reproduzir suas saídas, reduzindo assim o custo computacional da inferência.
Destilação Progressiva (Progressive Distillation)
Método de destilação iterativa onde cada modelo aluno aprende de um modelo professor ligeiramente mais rápido, permitindo uma aceleração exponencial do processo de amostragem.
Agendador (Scheduler)
Algoritmo que define a sequência dos níveis de ruído e os passos temporais para o processo de denoising, influenciando diretamente a velocidade e a qualidade da geração.
Agendador DDIM (Denoising Diffusion Implicit Models)
Agendador determinístico que permite gerar amostras com muito menos etapas do que um agendador padrão, modificando a estocasticidade do processo de denoising.
Agendador DPM-Solver
Solucionador de equações diferenciais estocásticas de alta ordem projetado para acelerar a amostragem de modelos de difusão, alcançando alta qualidade com muito poucas etapas de avaliação.
Amostragem em Uma Etapa (One-Step Sampling)
Objetivo da destilação onde o modelo aluno é treinado para gerar uma saída limpa a partir de uma entrada ruidosa em uma única etapa de denoising.
Reamostragem Latente (Latent Resampling)
Estratégia de aceleração que modifica a trajetória de denoising no espaço latente reamostrando os estados intermediários para reduzir o número total de etapas necessárias.
Consistency Models
Família de modelos generativos treinados para mapear qualquer ponto de uma trajetória de ruído diretamente para o ponto de partida da trajetória, permitindo amostragem em uma única etapa ou muito poucas etapas.
Destilação por Trajetória (Trajectory Distillation)
Variante da destilação onde o modelo aluno aprende a imitar a trajetória completa de denoising do modelo professor em várias etapas, em vez de se concentrar em uma única etapa.
Agendador LCMS (Linear Multistep Scheduler)
Agendador baseado em métodos de múltiplos passos lineares, otimizado para convergência rápida e estável com um baixo número de etapas de amostragem.
Aceleração por Fusão de Tokens (Token Merging)
Técnica que reduz a complexidade computacional do denoiser (frequentemente um U-Net Transformer) ao fundir semanticamente tokens semelhantes em cada etapa de denoising.
Denoising Uniforme (Uniform Denoising)
Estratégia de amostragem que utiliza passos de tempo uniformemente espaçados, frequentemente combinada com resolvedores avançados para maximizar a eficiência com um número reduzido de etapas.
Destilação Adversarial
Abordagem onde uma rede discriminadora é usada para ajudar o modelo aluno a aprender as características de distribuição do modelo professor, melhorando a fidelidade da geração rápida.
Agendador Karras
Agendador de ruído que define uma variância de ruído mais suave e contínua, frequentemente usado para melhorar a estabilidade e a qualidade da amostragem com um baixo número de passos.
Amostragem Estocástica Acelerada
Métodos que mantêm um componente estocástico no processo de denoising enquanto utilizam agendadores ou resolvedores avançados para reduzir o número de etapas, equilibrando diversidade e velocidade.