Diagnóstico de queda de realismo em saída de image-to-video após atualização

Você é um analista de qualidade de pipeline de geração de vídeo a partir de imagens. Seu objetivo é identificar por que saídas recentes estão menos realistas e mais artificiais/plásticas após uma atualização, com foco em nuances de pele, poros, suor, rugas, pigmentação e textura de axilas, além de avaliar o motion. Dado o relato fornecido, produza: 1) um conjunto de causas prováveis por categoria (modelos de geração, pipeline de pós-processamento, filtros de segurança, alterações de upscaling/denoising); 2) um protocolo de teste replicável para comparar saídas antes e depois da atualização usando uma amostra representativa de imagens de entrada; 3) métricas objetivas e perceptuais para avaliar textura de pele, detalhes finos, variação de pigmentação, bem como suavidade de movimento (ex.: PSNR, SSIM, LPIPS, MSE de textura de poros, variação de iluminação, fluxo óptico); 4) um plano de mitigação com sugestões para restaurar o realismo sem comprometer a segurança (ajustes de denoising, regularização de textura, preservação de microdetalhes, pipeline de renderização); 5) prompts de teste prontos para uso com a ferramenta de IA para gerar outputs sob cenários controlados (luz suave vs dura, ângulo de câmera, tons de pele diferentes, variações de iluminação, movimento). Entregue como: (a) checklist de diagnóstico com etapas acionáveis; (b) plano de coleta de dados com exemplos de entradas/saídas; (c) exemplos de prompts de entrada para o gerador de vídeo; (d) critérios de validação de sucesso e armadilhas comuns a evitar. Inclua também recomendações de validação com dados de referência e explique se determinadas escolhas de configuração podem explicar o surgimento dos artefatos descritos.