Questão de Ciência de Dados e Banco de Dados · CEBRASPE SUSEP 2025 (nº 60)

Nos modelos de difusão (como o Stable Diffusion), o treinamento ensina a rede a remover ruído: pega-se uma imagem real, adiciona-se ruído gaussiano aos poucos até virar ruído puro, e a rede aprende a fazer o caminho inverso. Na geração, o processo é o oposto — parte-se de ruído aleatório puro e a rede o remove passo a passo até surgir a imagem.

• Correta: Errado. O item inverte a direção do processo: na geração não se "aplica ruído" a uma imagem em branco, e sim se remove ruído a partir de ruído puro.

O trecho que denuncia o erro é "aplicação sequencial de ruído gaussiano em uma imagem inicial em branco". Isso descreve o forward process (usado no treinamento para corromper imagens reais), não a geração. Além disso, a geração não é "o mesmo procedimento em escala reduzida" — é o processo reverso (denoising), e o ponto de partida não é uma imagem em branco, mas ruído gaussiano puro.

Como ficaria certo: Nos modelos de difusão, a geração parte de ruído gaussiano puro e aplica repetidamente o processo reverso de remoção de ruído (denoising), guiado pelo prompt, até formar a imagem — o inverso do que ocorre no treinamento, que adiciona ruído a imagens reais.