No contexto de Inteligência Artificial (IA)
Generativa multimodal, considere as seguintes
afirmações:
I. O modelo CLIP (Contrastive Language-Image Pretraining) foi desenvolvido para entender a relação
entre imagens e definições em texto. Ele aprende
comparando pares de imagens e textos encontrados
na internet, permitindo que o sistema encontre
imagens relevantes a partir de uma descrição em
linguagem natural, sem precisar que o usuário tenha
previamente classificado cada imagem
manualmente.
II. O Stable Diffusion é uma IA generativa
especializada em criar imagens foto realistas e arte a
partir de texto de forma eficiente a partir de
descrições de textos. Em vez de processar imagens
completas, que que exige computação forte, ele
trabalha em uma representação otimizada das
imagens, gerando resultados de qualidade com
menor custo computacional.
III. O modelo GPT-4 Vision é um modelo de
Inteligência Artificial multimodal consegue "ler"
conteúdo visual e entenda o contexto de imagens,
fotografias, gráficos, captura de telas e documentos
convertendo pedaços da imagem em informações
numéricas compatíveis com o processamento de
texto. Essencialmente, o sistema trata as imagem
inseridas na conversa, permitindo análise integrada
de texto e imagem.
Após análise das afirmativas, assinale a alternativa
correta: