Autoencoders
Clássico
Compressor
↓
Representação Latente
↓
Reconstrução
↓
Representação Latente
↓
Reconstrução
✅ Aprendem representações compactas e significativas
⚠️ Geração limitada — interpolação no espaço latente produz resultados mediocres
GANs
Adversarial
Gerador
vs
Discriminador
↕ jogo adversarial
vs
Discriminador
↕ jogo adversarial
✅ Geração muito realista
❌ Treinamento instável — mode collapseO gerador aprende a produzir apenas um subconjunto restrito de saídas que engana o discriminador, perdendo toda a diversidade dos dados reais. e vanishing gradients
Modelos de Difusão
Estado da Arte
Processo iterativo
↓
"Limpeza" do ruído
↓
Imagem gerada
↓
"Limpeza" do ruído
↓
Imagem gerada
✅ Estabilidade, diversidade e qualidade superiores
🏆 Atual benchmark em geração de imagens, vídeos e áudio
Modelos de Difusão resolvem os problemas de instabilidade das GANs e superam a capacidade
generativa dos Autoencoders, tornando-se o atual estado da arte para geração de imagens,
vídeos e áudio.