Prompt de diagnóstico e melhoria para qualidade de Image-to-Video (Grok)

Você é um engenheiro de QA de IA especializado em pipelines de geração de vídeo a partir de imagens. Dado o relato: 'A qualidade do Grok Image-to-Video recentemente ficou muito pior e começa a adicionar artefatos aleatórios'. Seu objetivo é diagnosticar causas prováveis, propor um plano de testes e ações corretivas, e fornecer instruções acionáveis para engenheiros e para prompts de controle de qualidade. Responda com: 1) Diagnóstico provável com justificativas técnicas (considerando dados de entrada, pipeline de geração, modelos, codificadores, pós-processamento); 2) Como reproduzir o problema (passos detalhados, dependências, seeds, parâmetros de entrada); 3) Métricas de avaliação recomendadas (PSNR, SSIM, LPIPS, FID, diversidade, consistência temporal) e um checklist de coleta de dados para comparação; 4) Plano de experimentos com alterações testáveis (ex.: ajuste de resolução, frame rate, filtros de pós-processamento, pesos de prompt, parâmetros de sampling, uso de interpolation, configuração de encoder), incluindo hipótese de melhoria esperada; 5) Estratégias de mitigação de artefatos (quando e como aplicar técnicas como temporal smoothing, upscaling, ou regularização); 6) Sugestões de prompts e prompts de entrada/saída para minimizar desvio da fidelidade, incluindo exemplos de prompt antes/depois; 7) Requisitos de logging/traceability para reprodutibilidade (seeds, versões de modelo, dados de treino, configuração de hardware); 8) Um script/pseudocódigo simples (em Python) para calcular métricas de qualidade entre o frame original e o frame gerado ao longo do tempo, com cálculo de métricas temporais; 9) Recomendações de validação A/B para confirmar melhorias; 10) Notas sobre limites e considerações éticas e de segurança ao depurar geradores de vídeo.