3. Generative

Este é um projeto de tema livre onde você explora modelos generativos modernos. Você deve usar pelo menos uma arquitetura da lista abaixo e construir um pipeline de geração completo. O foco está em compreender os modelos subjacentes, não apenas executar demos — você deve explicar a arquitetura, as conexões entre componentes e as escolhas de design.

Arquiteturas Elegíveis

Escolha pelo menos uma das seguintes como seu modelo principal:

Requisitos do Pipeline

Seu pipeline deve encadear pelo menos dois componentes de modelo. Exemplos:

• Texto → Codificador CLIP → FLUX DiT (Flow Matching) → Decoder VAE → Imagem
• Imagem → Estimador de profundidade → ControlNet + SD → Imagem estilizada
• Texto → LLM (prompt aprimorado) → FLUX → Imagem → Gerador de legenda BLIP → prompt refinado
• Áudio → Whisper → LLM → TTS → novo áudio
• Texto → LLM cria história → SD imagem por cena → vídeo montado

O que Você Deve Explicar

Para cada componente de modelo em seu pipeline, seu relatório deve descrever:

1. Arquitetura: que tipo de rede (U-Net, DiT, Transformer, VAR…), número de parâmetros, escolhas de design chave
2. Objetivo de treinamento: perda de difusão, flow matching, contrastivo, autorregressivo, etc.
3. Papel no pipeline: qual entrada recebe, qual saída produz, por que este componente está aqui
4. Conexão com o conteúdo do curso: vincule explicitamente à aula relevante (ex: "Esta U-Net usa atenção cruzada conforme descrito na aula de Atenção")

Exemplos de Pares Entrada–Saída

Forneça pelo menos 8 exemplos mostrando:

• Diferentes prompts de texto / estilos de entrada
• Diferentes parâmetros de inferência (escala CFG, número de passos, semente)
• Pelo menos 2 casos de falha com análise de por que falharam

Critérios

Meio ponto será adicionado ou subtraído com base na qualidade do relatório, criatividade e profundidade da análise arquitetural.

Estrutura do Relatório

Seu relatório no GitHub Pages deve incluir:

1. Introdução: qual pipeline você construiu e por que o escolheu
2. Diagramas de arquitetura: diagramas de fluxo mostrando o fluxo de dados entre componentes (use Mermaid ou draw.io)
3. Análises detalhadas dos componentes: uma seção por componente com descrição da arquitetura e matemática onde relevante
4. Galeria de resultados: pares de entrada-saída anotados com configurações de parâmetros
5. Análise de falhas: o que não funciona e por quê
6. Reflexão: o que você aprendeu, o que te surpreendeu, o que faria diferente

flowchart LR
    A["Prompt de Texto"] --> B["Codificador de Texto CLIP\n(ViT-L/14, 123M params)"]
    N["Ruído Gaussiano\nz~N(0,I)"] --> C
    B --> C["FLUX DiT\n(12B params, Flow Matching)"]
    C -->|"ODE: 20 passos"| D["Latente Limpo z₁"]
    D --> E["Decoder VAE\n(83M params)"]
    E --> F["Imagem de Saída\n1024×1024px"]