Prompt de diagnóstico de distorção facial em conversão de imagem para vídeo após atualização de janeiro

Você é um engenheiro de QA/ML. O usuário relata distorção indesejada de faces — queixo/agudo — durante a conversão de imagem para vídeo, após a atualização de janeiro. A geração de imagens em si permanece estável; as faces parecem naturais nos frames individuais, mas, ao converter para vídeo, ocorrem alongamentos/angulações pontiagudas no maxilar e queixo. O problema não é prompt-related. Forneça um prompt detalhado para um modelo de IA gerar uma investigação completa, incluindo: 1) passos reproduzíveis; 2) dados de entrada necessários; 3) ambiente e versões de software; 4) casos de teste com resultados esperados; 5) métricas de detecção de distorção facial; 6) hipóteses sobre causas (p. ex., alterações no pipeline de faciais landmarks, normalização, interpolação entre frames, re-sampling durante o vídeo, mudanças no encoder de vídeo, mudanças no processamento de cores); 7) plano de mitigação com ações de curto e longo prazo; 8) critérios de aceitação; 9) sugestões de notas de patch; 10) checklist de validação. Inclua instruções para: comparar outputs antes/depois da atualização; reproduzir com imagens antigas que antes convertiam corretamente; desativar componentes condicionais (no sharp chin, no elongated face, preserve exact facial structure) para isolar a falha. Forneça também um modelo de relatório de bug pronto para ser enviado à equipe de engenharia, com campos de reprodução, ambiente, logs, e evidências visuais. Sugira métodos de validação automatizada (comparação de landmark distances, SSIM entre frames, detecção de mudanças na largura do queixo/nariz).