De Riscos Aleatórios a Dígitos Reconhecíveis: Construindo um Modelo de Geração de Imagens Autorregressivo

Este artigo detalha a construção de um modelo básico de geração de imagens autorregressivo usando um Perceptron Multicamadas (MLP) para gerar imagens de dígitos manuscritos. O autor explica o conceito central de prever o próximo pixel com base em seus predecessores. Três modelos são construídos progressivamente: o Modelo V1 usa codificação one-hot e ignora informações espaciais; o Modelo V2 introduz codificações posicionais, melhorando a estrutura da imagem; o Modelo V3 usa embeddings de tokens aprendidos e codificações posicionais, alcançando geração condicional, gerando imagens com base em uma classe de dígitos fornecida. Embora as imagens geradas fiquem aquém dos modelos de última geração, o tutorial demonstra claramente os conceitos autorregressivos centrais e o processo de construção, fornecendo insights valiosos sobre IA generativa.