Autocodificador variacional

Se você é um dos malucos que batem punheta para desenho feito por inteligência artificial gostam de gerar arte feita por inteligência artificial, principalmente a nova modinha, que é usar text to image, deve ter notado que as imagens geradas por I.A. tem um aspecto bem diferente de fotografias e de imagens vetoriais. Ou, mais precisamente, estas picas parecem uma porra intermediária, como se fosse um SVG com esteroides, mas sem o detalhamento de um GIF ou JPEG:

• 

  JPEG

• 

  Imagem "trabalhada" pela I.A.

• 

  SVG

O motivo disto é que estes programas nunca trabalham (tanto na fase de treinamento, quanto na fase de geração) com as picas originais, que tem muita informação que ninguém se importa, mas em uma porra chamada de espaço latente (em inglês: Latent Space). As rotinas que passam da pica original para o espaço latente, e fazem a transformação reversa, tem o nome pomposo de autocodificador variacional.

Lead paragraph que devia estar no começo do artigo mas a gente bota depois porque fodam-se as regras

Autocodificador variacional, nome usado pelos tradutores brasileiros para o que, em inglês, se chama Variational autoencoder, que usa o acrônimo VAE, é uma rede neural treinada pelo método de Deep Learning, que transforma uma imagem original grande, em formatos de pixmap, para uma representação compactada desta image, em uma porra chamada de Latent Space, e é um dos passos fundamentais para que programas como o Stable Diffusion possam funcionar, porque, se não fosse pela compressão, o Stable Diffusion consumiria mais de 8000 vezes os recursos que são precisos para fazer as merdas que ele faz.

Como a Panelopédia judaica explica o VAE.

Salsa

ATENÇÃO: ARTIGO EM OBRA Esta predefinição foi inserida nesta página pois o autor deste artigo engana a si mesmo achando que um dia vai finalizá-lo. Se já faz muito tempo que esta predefinição foi inserida e não houve novas edições, você já sabe que o autor nunca mais retornará aqui, então considere terminar essa merda.