Índice de Conceitos
Ir para notas que citam estaatualizado há 5 diasEntre para perguntar ao Labinho sobre esta notaO Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.
Índice de Conceitos reúne as 22 notas de conceito do vault Computer Vision, agrupadas pelos mesmos temas das pastas de conceitos e em ordem alfabética dentro de cada tema, com uma linha de definição para consulta rápida. Para aprender em sequência, siga a Trilha de Estudo; para voltar ao ponto de partida, abra o Início.
Bancada Computer Vision
- Bancada Computer Vision: A Bancada Computer Vision é a frente do Solutis LabS que explora como os avanços em modelos multimodais mudam a visão computacional, e é a primeira Bancada Relâmpago do programa: ciclo curto, escopo definido e um desafio real no centro.
- Bancada Relâmpago: Bancada Relâmpago é o formato de bancada do Solutis LabS que funciona como uma sprint guiada, com prazo e escopo definidos, puxada por uma necessidade real de negócio ou de mercado conectada a uma tecnologia emergente.
- Ciclo da Bancada Computer Vision: O Ciclo da Bancada Computer Vision é a espiral de dez etapas que organiza a primeira bancada relâmpago do LabS: começa no Grand Opening, dá duas voltas pelos quatro territórios do book, uma de panorama e outra de aprofundamento, e termina no centro, num ponto de decisão entre encerrar a bancada ou abrir novos temas.
- Desafio Olho na Caixa: O Desafio Olho na Caixa é um desafio externo de visão computacional que pergunta quantas frutas realmente chegaram: descobrir, no ato do recebimento, quanto chegou nas caixas de hortifrúti de uma escola usando apenas um celular comum.
- Desafios da Bancada Computer Vision: Os Desafios da Bancada Computer Vision são as quatro missões que a bancada abre aos Soluters no formato pesquisar e apresentar: quem assume estuda um tema dos domain sets e leva o que aprendeu à comunidade numa Tech Talk com demonstração.
- Domain Sets da Bancada Computer Vision: Os Domain Sets da Bancada Computer Vision são os seis territórios técnicos, organizados em três grupos, que sustentam o learning prototype da bancada: abordagem de modelo, dados para computer vision e engenharia e experiência.
- Enxoval da Bancada Computer Vision: O Enxoval da Bancada Computer Vision é o conjunto de formatos de sessão do Solutis LabS escolhidos para levar a primeira bancada relâmpago adiante, cada um com um uso próprio na bancada e ligado a um território do book.
Fundamentos de Visão Computacional
- Aplicações de Visão Computacional: Aplicações de visão computacional são os usos em que um sistema extrai informação de imagens ou vídeos para substituir ou ampliar o olhar humano, de capturar movimento para animação 3D a ler documentos e apoiar diagnóstico por exame de imagem.
- Contagem de Objetos em Imagens: Contagem de objetos em imagens é a tarefa de visão computacional que responde quantas instâncias de um objeto aparecem numa cena, normalmente resolvida localizando cada instância e somando as localizações.
- Pixels e Canais RGB: Pixels e canais RGB são a forma como uma imagem chega ao computador: uma grade de pontos (pixels) em que cada ponto guarda três números, a intensidade de vermelho, de verde e de azul, cada um entre 0 e 255.
- Tarefas de Reconhecimento Visual: Tarefas de reconhecimento visual são as perguntas básicas que um sistema de visão computacional responde sobre uma imagem: classificar (o que tem na imagem), detectar (onde está e com que confiança) e segmentar (quais pixels são do objeto), além de ler textos.
- Visão Computacional: Visão Computacional (computer vision) é a área da inteligência artificial que extrai significado de imagens e vídeos, transformando o que uma câmera registra em informação que um sistema consegue usar para responder, decidir ou agir.
Modelos de Visão e Linguagem
- Estratégias de Modelo em Visão Computacional: Estratégias de modelo em visão computacional são as formas de colocar um modelo para resolver uma tarefa de imagem: usar um modelo pré-treinado como ele vem, ajustá-lo com fine-tuning, guiá-lo com exemplos no próprio prompt (in-context learning) ou pedir a tarefa direto, sem exemplos (zero-shot).
- Large Vision-Language Model: Large Vision-Language Model (LVLM) é o modelo de IA que recebe imagem e texto na mesma entrada e responde em linguagem natural, o que permite perguntar sobre uma cena sem treinar um modelo específico para cada tarefa.
- Segment Anything Model 3: Segment Anything Model 3 (SAM 3) é um modelo de segmentação que recebe uma imagem e um pedido em texto, como "red car", e devolve a máscara dos pixels do objeto pedido, sem precisar ser treinado para aquela classe.
- Visão Computacional no Hype Cycle de IA: Visão Computacional no Hype Cycle de IA é a leitura de que os temas ligados à visão aparecem na curva inteira do Gartner Hype Cycle for Artificial Intelligence de 2025, do gatilho de inovação ao caminho do platô, o que sustenta tratar a área como emergente.
- Visão Computacional Tradicional x LVLMs: Visão Computacional Tradicional x LVLMs é a comparação central da Bancada Computer Vision: de um lado, modelos especializados treinados para uma tarefa de imagem; de outro, LVLMs que respondem perguntas sobre a cena em linguagem natural.
Dados para Visão
- Dados para Visão Computacional: Dados para visão computacional são as imagens, os rótulos e os materiais auxiliares que alimentam um sistema de visão: de onde as imagens vêm, como são anotadas e preparadas, como se mede a qualidade do dataset e que contexto acompanha cada imagem até o modelo.
- Embeddings e Busca Visual: Embeddings e busca visual são a técnica de representar cada imagem como um vetor numérico, de modo que imagens parecidas fiquem próximas umas das outras, e de usar essa proximidade para encontrar numa base as imagens mais semelhantes a uma consulta.
Engenharia e Experiência
- Mapa de Tecnologias de Visão Computacional: O Mapa de Tecnologias de Visão Computacional organiza as ferramentas da área em seis famílias: modelos de visão e linguagem, detecção e segmentação, embeddings e busca visual, dados e rotulagem, inferência e edge, e bibliotecas e frameworks.
- Pipeline de um Sistema de Visão Computacional: O pipeline de um sistema de visão computacional é a sequência de blocos que leva do pixel à resposta: captura, pré-processamento, modelo, pós-processamento e integração, alimentada por contexto, calibrada pelo feedback do usuário e acompanhada por monitoramento.
- Pipeline Híbrido de Detecção em Vídeo: Pipeline híbrido de detecção em vídeo é o arranjo em que um detector rápido, como o YOLO, encontra candidatos quadro a quadro, um modelo de embeddings como o CLIP diz o que se procura a partir de uma imagem de exemplo, e um modelo de decisão confirma só os casos que o detector sugeriu.