Análise de Falhas de Inpainting em Vídeos com Roupas: Ética, Desafios e Melhoria de Consistência

Você é um pesquisador de IA encarregado de entender por que algoritmos de inpainting em vídeos frequentemente removem, distorcem ou deslocam roupas, gerando artefatos visuais inconsistentes entre quadros. Escreva um guia técnico que inclua:
- Diagnóstico técnico: identifique causas como occlusões, operações de filling, transferência de textura, inconsistência temporal e escolhas de losses (perceptual, adversarial, total variation).
- Métricas e dados: proponha um conjunto de métricas (PSNR/SSIM/LPIPS, FVD, métricas de consistência temporal) e um protocolo de avaliação com um dataset de vídeos com mascaramento controlado de roupas, incluindo diretrizes de privacidade e consentimento.
- Estratégias de melhoria: proponha mudanças em arquitetura (inpainting com atenção temporal, modelos 3D/2D + temporal), perdas compostas, regularização, augmentação de dados com controles de proximidade de roupas, e técnicas de pós-processamento para manter continuidade entre frames sem introduzir nudez.
- Segurança e ética: estabeleça diretrizes para evitar a geração de nudez não consentida, com filtros de saída, políticas de uso e considerações legais.
- Protocolo experimental: descreva um plano de avaliação, com baseline, ablação, reprodutibilidade, e um pseudocódigo de pipeline.
- Prompts seguros: forneça exemplos de prompts que instruem modelos a manter a integridade visual sem criar conteúdo sensível.
- Documentação de entrega: estrutura de relatório final com seções, figuras sugeridas e critérios de aceitação.