> ## Content Index
> Fetch the complete content index at: https://nanogiga.online/llms.txt
> Use this file to discover other available public pages before exploring further.

# IA da USP supera redes convolucionais em reconhecimento de texturas
- URL: https://nanogiga.online/ia/vortex-visao-computacional-reconhece-texturas/
- Published: 2026-10-22T15:00:00.000Z
- Updated: 2026-10-22T16:57:15.000Z
- Description: Método Vortex, do IFSC-USP com Unesp e KTH, aplica vision transformers à análise de texturas e atinge 87,6% de acerto no benchmark DTD, melhor resultado já relatado.
- Author: nanoGiga
- Tags: IA

Ler a "textura" de uma imagem — o grão de um tecido sob o microscópio, a superfície de um material, o relevo captado por um satélite — sempre foi território das redes neurais convolucionais. Um método desenvolvido no Instituto de Física de São Carlos (IFSC) da USP mudou de arquitetura e venceu: o Vortex usa *vision transformers* para reconhecer texturas e alcançou 87,6% de acerto no DTD (*Describable Textures Dataset*), o melhor resultado já relatado nesse benchmark, além de novos recordes nos conjuntos FMD e GTOS-Mobile. Uma das versões do sistema processa uma imagem de 224 × 224 pixels em cerca de 4,5 milissegundos em um computador equipado com placa gráfica de alto desempenho. A pesquisa, assinada por grupos da USP, da Unesp e da KTH Royal Institute of Technology (Suécia), está descrita em artigo publicado na revista *Neurocomputing* e foi divulgada nesta quinta-feira (22) pelo [Jornal da USP](https://jornal.usp.br/ciencias/metodo-inovador-usa-visao-computacional-para-identificar-texturas-em-imagens/?ref=nanogiga.online).

## De convoluções para atenção

Os sistemas mais avançados de análise de textura são as redes convolucionais, desenhadas especificamente para varrer imagens em busca de padrões locais. O Vortex troca essa varredura pela autoatenção — o mecanismo por trás dos modelos de linguagem como GPT e Gemini, aqui adaptado à visão. "A característica central dos transformers é a autoatenção: cada elemento de entrada pode ser analisado separadamente em relação aos outros, permitindo que o modelo capture relações entre partes próximas ou distantes", explica Odemir Martinez Bruno, professor do IFSC e coordenador da pesquisa. "A semelhança com o GPT está nesse mecanismo. No GPT, os elementos representam segmentos de texto; no ViT, são pequenos pedaços de uma imagem, chamados de *patches*." Assim, o modelo pode relacionar um canto da imagem a outro distante, algo que as convoluções só fazem indiretamente, camada por camada.

## Como o Vortex funciona

Em vez de treinar uma rede gigante do zero, o método parte de um ViT pré-treinado: a rede já "sabe" extrair características gerais de imagens. O Vortex coleta descritores de várias profundidades da rede (o artigo os chama de extração de *embeddings* em múltiplas profundidades com codificações de tokens sem ordem e aleatorizadas), os agrega hierarquicamente e os ajusta por mínimos quadrados para compor o descritor de textura. Sobre esses descritores, um classificador SVM linear — simples e rápido — aprende a separar as categorias. É essa combinação de modelo de fundação reutilizado e classificador leve que explica os 4,5 milissegundos por imagem: a parte pesada já está pronta, e a parte nova é barata.

## Do microscópio ao satélite

"O objetivo do estudo foi desenvolver métodos de visão computacional especificamente para análise de texturas ou padrões complexos", resume Bruno, citando imagens médicas, de microscopia e de satélite. Na avaliação do benchmark, o Vortex teve de distinguir categorias como "listrado", "murado" ou "enrolado" — descrições que, para uma convolucional, dependem de juntar pistas espalhadas pela cena inteira. As aplicações apontadas pelos autores são diretas: análise de tecidos biológicos em imagens de microscopia, distinção de materiais e reconhecimento de feições da superfície da Terra em imagens orbitais.

O estudo reúne Leonardo Scabini e Odemir Martinez Bruno (IFSC-USP), Kallil M. Zielinski (ICMC-USP), Emir Konuk e Kevin Smith (KTH) e Ricardo T. Fares e Lucas C. Ribas (Unesp de São José do Rio Preto) — uma ponte São Carlos–Estocolmo típica dos grupos de processamento de imagens do campus. O código e a metodologia detalhada estão no [artigo na Neurocomputing](https://doi.org/10.1016/j.neucom.2026.133852?ref=nanogiga.online).

## Fontes

1. Jornal da USP — "Método inovador usa visão computacional para identificar texturas em imagens", 22/10/2026\. Disponível em: [https://jornal.usp.br/ciencias/metodo-inovador-usa-visao-computacional-para-identificar-texturas-em-imagens/](https://jornal.usp.br/ciencias/metodo-inovador-usa-visao-computacional-para-identificar-texturas-em-imagens/?ref=nanogiga.online)
2. Neurocomputing — "VORTEX: Challenging CNNs at texture recognition by using vision transformers with orderless and randomized token encodings" (L. F. S. Scabini et al., IFSC-USP / ICMC-USP / Unesp / KTH), maio de 2026\. DOI: 10.1016/j.neucom.2026.133852.