Você conversa com a IA que aperfeiçoa imagens até ficarem do seu jeito

Ouça este artigo

Você já teve uma imagem perfeita na cabeça e não conseguiu chegar lá com um prompt? Conheça PASTA: um agente que aprende suas preferências e refina imagens em rodadas por meio de diálogo. Treinado com uma mistura de simulação de usuário e dados humanos, PASTA interage de forma colaborativa para ajudar você a criar a imagem que imagina. Para detalhes técnicos e o artigo original, veja https://research.google/blog/a-collaborative-approach-to-image-generation/.

• PASTA melhora imagens por meio de diálogo com o usuário

• Treinado com dados reais e simulações de usuários

• Combinação de dados reais e simulados traz os melhores resultados

• Usuários preferiram as imagens geradas por PASTA em testes humanos

• Conjunto de dados de interações foi liberado publicamente

PASTA: novo agente que ajusta imagens geradas por IA por meio de diálogo com o usuário

Você escreve um prompt e recebe uma imagem próxima do esperado — mas não exata. PASTA resolve isso interagindo em vários turnos, aprendendo suas preferências e melhorando a imagem em etapas. O método combina dados humanos coletados com uma simulação de usuários para treinar o agente por reforço (RL).

O que aconteceu — resumo rápido

• PASTA é um agente de aprendizado por reforço que gera e adapta conjuntos de prompts para refinar imagens conforme suas escolhas.

• Mais de 7.000 interações reais foram usadas para treinar um simulador de usuário, que gerou mais de 30.000 trajetórias simuladas.

• Em testes humanos, 85% dos avaliadores preferiram imagens produzidas por PASTA em comparação ao modelo base.

• Os dados sequenciais de avaliadores e os dados simulados foram disponibilizados publicamente.

Por que isso importa

Normalmente você tenta várias variações de prompt para chegar ao resultado desejado. PASTA transforma esse processo em uma conversa: você escolhe entre imagens apresentadas e o sistema usa suas escolhas para alinhar o resultado à sua intenção, reduzindo tentativa e erro e personalizando a geração.

Como o sistema foi treinado

Estratégia em duas etapas:

• Coleta inicial: mais de 7.000 interações reais onde avaliadores expandiram prompts e julgaram imagens geradas por SDXL a partir de expansões criadas por Gemini Flash.

• Simulação: um modelo de usuário foi treinado com esses dados e gerou grande volume de interações adicionais para treinar o agente RL.

O modelo de usuário tem dois blocos principais:

• Modelo de utilidade: estima quanto você pode gostar de um conjunto de imagens.

• Modelo de escolha: prevê qual imagem você escolherá entre opções.

Componentes técnicos: encoders do tipo CLIP e um algoritmo de expectation-maximization para identificar tipos de usuário emergentes (por exemplo, preferência por animais, paisagens ou arte abstrata).

Como a interação funciona para você

• Você inicia com um prompt.

• Um gerador candidato cria várias expansões de prompt.

• PASTA seleciona um conjunto de quatro expansões para gerar imagens.

• Você escolhe a imagem que mais se aproxima da sua ideia.

• O agente usa essa escolha para ajustar as próximas sugestões.

O ciclo se repete até a imagem atingir sua preferência.

Avaliação e resultados

Agentes treinados foram comparados usando:

• Apenas dados reais

• Apenas dados simulados

• Combinação de dados reais e simulados

Métricas usadas:

• Pick-a-Pic accuracy (capacidade de prever preferências em um conjunto)

• Correlação de Spearman (ordenação de preferências)

• Choice model accuracy (previsão da escolha do usuário por turno)

• Cross-turn accuracy (se a imagem escolhida melhora em relação ao turno anterior)

Resultados principais:

• Treinar só com dados simulados não superou o modelo base.

• Treinar só com dados reais melhorou, mas não superou o baseline.

• A combinação de dados reais e simulados produziu o melhor desempenho geral.

• Em comparações diretas, 85% dos avaliadores preferiram imagens finais geradas por PASTA — ganho maior em prompts abstratos.

Exemplos e adaptação

Com um prompt simples como uma imagem de felicidade, PASTA produziu resultados muito diferentes para distintos perfis de usuário. O agente ajusta estilo, paleta e composição conforme suas escolhas durante a interação.

Dados e disponibilidade

A equipe liberou:

• O conjunto sequencial de avaliadores com mais de 7.000 interações.

• O conjunto de dados de usuários simulados.

Segundo os pesquisadores, a liberação visa permitir pesquisas adicionais em modelos interativos e alinhamento de preferências. Mais informações e o artigo original estão em https://research.google/blog/a-collaborative-approach-to-image-generation/.

Autoria e créditos

Trabalho liderado por pesquisadores do Google Research, incluindo Guy Tennenholtz e Craig Boutilier, entre outros autores. A equipe reconheceu apoio adicional para redação e ilustrações do material divulgado.

Conclusão

PASTA transforma a geração de imagens num diálogo: aprende suas preferências e refina a imagem em etapas, similar a um alfaiate que ajusta a peça até ficar perfeita. Treinado com mistura de dados reais e simulados, o agente alcançou resultados fortes (até 85% de preferência dos avaliadores) e reduz a tentativa e erro, tornando o processo mais rápido e pessoal. Os dados liberados permitem novas pesquisas e melhorias. Para ler o estudo completo, consulte https://research.google/blog/a-collaborative-approach-to-image-generation/.

Perguntas frequentes

• O que é essa IA que aperfeiçoa imagens?
  É o PASTA: um agente que conversa com você e refina imagens por turnos até chegarem ao seu objetivo.

• Como funciona a conversa para melhorar a imagem?
  Você dá um prompt; PASTA cria 4 variações; você escolhe; o agente aprende e sugere melhor na próxima vez.

• Meus gostos ficam salvos? E a privacidade?
  O sistema foi treinado com dados reais e muitos simulados. Dados humanos são tratados para privacidade; o treino usa modelos e simulações, não seu arquivo pessoal direto.

• Serve para qualquer estilo ou ideia?
  Sim. Adapta-se a estilos distintos — fotos, abstrato, cores vivas ou suaves — aprendendo seu tipo de gosto.

• Como eu começo e quando paro?
  Digite uma ideia simples, escolha imagens sugeridas e repita até ficar satisfeito; você para quando a imagem for exatamente o que queria.

Se você quiser conhecer outros artigos semelhantes a Você conversa com a IA que aperfeiçoa imagens até ficarem do seu jeito, você pode visitar a categoria Dicas.