Mitigação de viés algorítmico em modelos de inteligência artificial generativa de imagem para representação da diversidade brasileira através de Low-Rank adaptation

Souza, Hugo Abranches de

Please use this identifier to cite or link to this item:


			http://hdl.handle.net/11422/29004

Type:	Trabalho de conclusão de graduação
Title:	Mitigação de viés algorítmico em modelos de inteligência artificial generativa de imagem para representação da diversidade brasileira através de Low-Rank adaptation
Author(s)/Inventor(s):	Souza, Hugo Abranches de
Advisor:	Pina, Aloísio Carlos de
Abstract:	Este trabalho investiga como mitigar vieses de representação em modelos de geração de imagens e aproximar suas saídas do repertório cultural brasileiro. O objetivo é estruturar e avaliar um processo reprodutível de criação de LoRA sobre a família Flux que reduza estereotipagem, aumente representatividade e preserve realismo em nível prático. A metodologia combina curadoria de imagens jornalísticas de alta qualidade, captioning controlado com o modelo Florence 2, inclusão de uma triggerword para acionar o ajuste e treinamento no ambiente FluxGym com parâmetros padrão e ambiente documentado para viabilizar a reprodução. A avaliação é feita por questionário cego com 60 respondentes profissionais de marketing, que comparam cinco fontes de imagem sob o mesmo prompt neutro, em três eixos de julgamento: realismo, representatividade e estereotipagem. Os resultados indicam que o Flux com LoRA obtém a melhor combinação entre os eixos, com aumento consistente de representatividade e redução de estereótipos em relação ao Flux sem ajuste, mantendo realismo próximo ao modelo base. Observa-se ainda que o sistema Gemini apresenta o maior realismo médio, mas menor representatividade e maior estereotipagem, enquanto o DALLÉ 3 se destaca por menor estereotipagem com realismo inferior. Conclui-se que intervenções simples, centradas em dados e rótulos e executadas com configuração adicional mínima, são capazes de deslocar o comportamento de modelos generativos para contextos locais com custo controlado. Como contribuição prática, disponibiliza-se publicamente o LoRA treinado e um protocolo de execução transparente, e propõem-se estudos futuros de ablação de hiperparâmetros e replicações em outros contextos étnico-culturais.
Keywords:	Inteligência artificial generativa Modelos de difusão Viés algorítmico Generative artificial intelligence Difusion models Algorithmic bias Low-Rank Adaptation
Subject CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Production unit:	Instituto de Computação
Publisher:	Universidade Federal do Rio de Janeiro
Issue Date:	3-Dec-2025
Publisher country:	Brasil
Language:	por
Right access:	Acesso Aberto
Appears in Collections:	Ciência da Computação

Files in This Item:

File	Description	Size	Format
HASouza.pdf		759.1 kB	Adobe PDF	View/Open ???org.dspace.app.webui.jsptag.ItemTag.restrict???

Show full item record Recommend this item View Statistics

Pantheon Institutional repository