AS INTELIGÊNCIAS ARTIFICIAIS GENERATIVAS DE IMAGEM

estudo comparativo entre ferramentas de geração text-to-image

Autores

DOI:

https://doi.org/10.5281/zenodo.22712420

Palavras-chave:

IA, Geração de imagem, Prompt

Resumo

Este trabalho analisa o comportamento de diferentes modelos de Inteligência Artificial generativa na criação de imagens a partir de prompts textuais. Três prompts distintos foram aplicados a três sistemas diferentes de geração de imagens, e os resultados foram comparados com base em critérios como fidelidade ao prompt, ausência de distorções, coerência visual, proporção e realismo. A análise identificou pontos fortes e limitações de cada modelo, oferecendo uma visão crítica sobre sua capacidade de traduzir linguagem natural em representações visuais precisas.

Biografia do Autor

Gastão Victor dos Santos Gonçalves, Fatec Mogi das Cruzes

Graduando em Análise e Desenvolvimento de Sistemas pela Faculdade de Tecnologia de Mogi das Cruzes, Mogi das Cruzes, SP, Brasil.

Eduardo Motta Ferreira da Silva, Fatec Mogi das Cruzes

Graduando em Análise e Desenvolvimento de Sistemas pela Faculdade de Tecnologia de Mogi das Cruzes, Mogi das Cruzes, SP, Brasil.

Rita de Cássia Muniz de Lima, Fatec Mogi das Cruzes

Graduanda em Análise e Desenvolvimento de Sistemas pela Faculdade de Tecnologia de Mogi das Cruzes, Mogi das Cruzes, SP, Brasil.

Referências

CAO, J. et al. VLEU: a Method for Automatic Evaluation for Generalizability of Text-to-Image Models. Disponível em: <https://arxiv.org/abs/2409.14704>. Acesso em: 27 set. 2025.

GOOGLE. Gemini. Disponível em: <https://gemini.google.com/app>.

HU, Y. et al. TIFA: Accurate and Interpretable Text-to-Image Faithfulness Evaluation with Question Answering. Disponível em: <https://arxiv.org/abs/2303.11897>.

LIMA, Marcos Vinícius de Moura. Imagens Geradas Por Inteligência Artificial: Técnicas e Exemplares. 2024. 44f. Trabalho de Conclusão de Curso - Graduação (Redes de Computadores) - Universidade Estadual de Goiás, Pires do Rio.

MICROSOFT COPILOT. Microsoft Copilot. Disponível em: <https://copilot.microsoft.com/>. OPENAI. ChatGPT. Disponível em: <https://chatgpt.com/>.

SCHWARTZ, R. et al. The Ethics of AI-Generated Art: Ownership and Authorship in the Age of Generative Models. AI & Society, Springer, p. 1-12, London, UK, 2023.

STRYKER, C. O que é uma rede neural recorrente (RNN)? Disponível em: <https://www.ibm.com/br-pt/think/topics/recurrent-neural-networks>. Acesso em: 5 out. 2025.

STRYKER, C.; KAVLAKOGLU, E. O que é inteligência artificial (IA)? Disponível em: <https://www.ibm.com/br-pt/think/topics/artificial-intelligence>. Acesso em: 25 set. 2025.

TEIXEIRA, João. O que é inteligência artificial. E-galáxia, 2019.

VARUGHESE, J. Generative adversarial networks. Disponível em: <https://www.ibm.com/think/topics/generative-adversarial-networks>.

HESSEL, Jack et al. CLIPScore: A Reference-free Evaluation Metric for Image Captioning. 1 jan. 2021. Disponível em: <https://aclanthology.org/2021.emnlp-main.595/>

JAYASUMANA, Sadeep et al. Rethinking FID: Towards a Better Evaluation Metric for Image GenerationarXiv.org. [S.l.: S.n.]. Disponível em: <https://arxiv.org/abs/2401.09603>. Acesso em: 8 ago 2026.

WILES, Olivia et al. Revisiting Text-to-Image Evaluation with Gecko: On Metrics, Prompts, and Human Ratings. Disponível em: <https://arxiv.org/abs/2404.16820>. Acesso em: 8 ago. 2026.

MUHR, Paula et al. Evaluating Text-to-Image Generated Photorealistic Images of Human Anatomy. Cureus, 21 nov. 2024. Disponível em: <https://www.cureus.com/articles/308456>

Publicado

09-09-2026

Como Citar

Goncalves, G., Motta Ferreira da Silva, E., & Cássia Muniz de Lima, R. (2026). AS INTELIGÊNCIAS ARTIFICIAIS GENERATIVAS DE IMAGEM: estudo comparativo entre ferramentas de geração text-to-image. REVERTE - Revista De Estudos E Reflexões Tecnológicas Da Fatec Indaiatuba, 23(24), 27–39. https://doi.org/10.5281/zenodo.22712420

Edição

Seção

Artigos