Pular para o conteúdo
LabS Atlas
Solutis LabS
Entrar

Bancada Computer Vision

Ir para notas que citam esta
atualizado há 25 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.

A Bancada Computer Vision é a frente do Solutis LabS que explora como os avanços em modelos multimodais vão impactar a visão computacional, e é a primeira Bancada Relâmpago do programa: uma sprint guiada, com prazo fechado e escopo definido, em vez de uma frente contínua.

A inspiração é fazer as máquinas enxergarem o mundo real para ajudar a enfrentar problemas que humanos sozinhos não conseguem observar em escala. O objetivo técnico é compreender como os avanços em modelos multimodais vão impactar a área, explorando na prática como LVLMs (Large Vision-Language Models), modelos que recebem imagem e texto e respondem em linguagem natural, podem transformar imagens e cenas em compreensão para sistemas inteligentes. O learning prototype responde ao objetivo na prática: uma aplicação de visão computacional com LVLM de ponta a ponta, em que modelo, contexto e experiência do usuário se combinam para transformar percepção visual em informação relevante.

Por que visão computacional agora

Visão computacional não é uma área nova, e por isso a bancada precisou justificar o tema como emergente, o recorte que o Radar Tecnológico do LabS exige. A justificativa veio do Gartner Hype Cycle for Artificial Intelligence de 2025: os temas ligados à visão aparecem na curva inteira, com IA multimodal no pico de expectativa, edge AI a caminho do platô em menos de dois anos e embodied AI começando a subir. O que mudou foi o jeito de usar imagem em sistemas. Com um LVLM, perguntar sobre uma cena em linguagem natural dispensa treinar um modelo para cada tarefa, e a foto tirada pelo usuário pode ser a própria entrada do sistema.

Os domain sets que sustentam o protótipo

O mapa de conhecimento da bancada, no formato descrito em Domain Set, tem seis territórios em três grupos:

GrupoTerritório
Abordagem de modeloPré-treinado, fine-tuning, in-context learning e zero-shot
Abordagem de modeloVisão computacional tradicional x LVLMs
Dados para computer visionFontes e coleta, rotulagem, pré-processamento, filtros e qualidade do dataset
Dados para computer visionFormatos, imagens de referência, textos auxiliares (prompts) e vetores
Engenharia e experiênciaPipeline de inferência, jornada de captura, integração ao sistema da área (API, fila, câmera) e monitoramento
Engenharia e experiênciaEvolução e calibração do sistema a partir das entradas do usuário

A ordem dos grupos acompanha os três ingredientes do protótipo: modelo, contexto e experiência. A comparação entre visão tradicional e LVLMs atravessa todos eles, porque a pergunta de fundo é quando um modelo especializado resolve melhor e quando a troca por um LVLM vale a conta.

Como a bancada trabalha

Por ser relâmpago, a frente tem uma área da empresa trazendo o desafio e guiando a exploração, um squad misto de exploradores do LabS e perfis que entram por interesse, e entregáveis definidos de saída: o book de exploração, os desafios e o learning prototype. O ciclo termina num Demo Day, em que se decide adotar o resultado, arquivá-lo ou transformar a exploração numa bancada contínua.

No meio do ciclo, a bancada usa os Mecanismos de Ativação do LabS de sempre, cada um com um uso próprio: Tech Talk e LabS Panel para a comparação entre visão tradicional e LVLMs, Café com Código para o código do pipeline de inferência, Workshop para comparar zero-shot, poucos exemplos no contexto e prompt com imagem de referência na imagem do projeto de cada pessoa, e Learning Prototype Unboxed para abrir a aplicação. Formatos novos da temporada 2026.2, como Model Duel, Bench Clinic e Demo Day, completam o enxoval.

Como participar

A porta de entrada são quatro desafios no formato pesquisar e apresentar, publicados no Mural de Desafios e apresentados à comunidade numa Tech Talk, com recompensa:

  1. Tradicional x LVLMs: quando cada abordagem gera mais valor, em custo, precisão e esforço, com uma demonstração das duas no mesmo problema.
  2. Estratégias de modelo: pré-treinado, fine-tuning, in-context learning e zero-shot aplicados à visão, com uma demonstração de in-context learning com imagens de referência.
  3. Dados para visão: coleta, anotação e avaliação de qualidade de datasets de imagem, com um mini dataset rotulado ou uma busca visual com vetores.
  4. Pipeline e experiência: como as clouds oferecem visão computacional e LVLMs como serviço, com um pipeline de ponta a ponta, monitoramento e feedback do usuário.

Fora dos desafios da bancada, o desafio externo Olho na Caixa, ligado à Conexão do LabS com a Academia, explora a contagem de frutas no recebimento com um celular comum.

Identidade e onde fica o conteúdo técnico

Na Identidade Visual do LabS, a bancada é a exceção à regra do planeta: é representada por um meteoro, em quatro tons de magenta. O conteúdo técnico da frente, dos fundamentos de visão ao pipeline e ao mapa de tecnologias, fica no vault Computer Vision do LabS Atlas.