Vexa AI: por que sua biblioteca de referência precisa de busca semântica

Você está montando o moodboard de uma sala. Sabe exatamente o que quer: cozinha americana, luz lateral de fim de tarde, mobiliário escandinavo, paleta fria. Lembra de ter salvo três imagens próximas disso em algum momento dos últimos dois anos. E começa a perder os próximos 40 minutos abrindo pastas, vendo thumbnails, tentando lembrar onde a referência foi parar.

Esse cenário é tão universal entre profissionais de archviz que virou aceito como custo do ofício. Não é. É um problema de software, e tem solução pronta há alguns anos. Este artigo explica por que bibliotecas de referência não escalam por organização manual, o que os modelos modernos de visão mudaram nessa equação, e como o Vexa AI traz essa capacidade pra dentro do seu workflow sem mandar uma única imagem pra nuvem.

O problema real: bibliotecas não escalam

Toda biblioteca de referência cresce em ritmo geométrico. Você começa com algumas centenas de imagens organizadas por projeto. Em dois anos vira mil. Em cinco, dez mil. A partir de mil imagens, o sistema de pastas + nome de arquivo deixa de funcionar — não por preguiça, mas porque é matematicamente impossível manter um índice mental sobre conteúdo visual em escala.

O nome do arquivo nunca descreve o que importa. "cozinha_moderna_03.jpg" não te diz se a luz é dura ou difusa, se a paleta é quente ou fria, se o ângulo é frontal ou oblíquo, se tem pessoa na cena. E mesmo quando você tenta padronizar nomes — "sala_luz-lateral_fria_escandinavo_v2.jpg" — você acaba inventando uma linguagem que só funciona se você lembrar do padrão exato no momento da busca.

A consequência prática é silenciosa mas custosa: você usa cada vez mais as mesmas referências, porque são as únicas que continuam acessíveis na sua cabeça. O resto da biblioteca vira arquivo morto. Você paga armazenamento, backup e tempo de organização por imagens que nunca mais vai encontrar.

Por que tags manuais não funcionam

A resposta tradicional pra esse problema é taggear. Adobe Bridge, Lightroom, Eagle, PureRef e dezenas de gerenciadores de asset oferecem alguma forma de tag manual. A teoria é boa. A prática colapsa em três pontos.

Primeiro: você nunca tagueia no momento que salva. Está no meio de um briefing, baixa cinco imagens rápido pra não perder o ritmo, e jura que volta pra organizar depois. Não volta. Multiplique isso por dois anos e você tem 80% da biblioteca sem qualquer metadado útil.

Segundo: vocabulário pessoal envelhece. A tag "moderno" de 2023 não significa a mesma coisa que "moderno" pra você hoje. "Industrial" virou termo demasiado amplo. Uma classificação que você fez consistente no início vira ruído conforme seu olho amadurece.

Terceiro: tags são unidimensionais. Uma imagem pode ser ao mesmo tempo "sala", "luz natural", "paleta neutra", "minimalismo japonês", "fotografia editorial", "vertical", "pessoa no enquadramento". Esperar que você anote tudo isso pra cada imagem é fingir que organização é o seu trabalho.

O que os modelos de visão mudaram

Em 2021 a OpenAI publicou o CLIP — Contrastive Language-Image Pre-training. A ideia central: treinar um modelo que mapeia imagens e textos pro mesmo espaço vetorial. Uma imagem de uma cozinha de fim de tarde e a frase "kitchen with warm afternoon light" ficam matematicamente próximas nesse espaço, mesmo que não exista nenhuma tag em comum.

Isso reescreve o problema. Você deixa de precisar descrever cada imagem antes de procurar por ela. Você descreve o que quer no momento da busca, em linguagem natural, e o modelo encontra o que está visualmente próximo dessa descrição — não pela legenda, mas pelo conteúdo da própria imagem.

Desde o CLIP a área evoluiu rápido. Modelos como SigLIP, EVA-CLIP e variantes específicas pra alto detalhe arquitetônico hoje superam a precisão original com fração do custo computacional. O Vexa AI usa uma combinação dessas famílias adaptada pro domínio archviz: privilegia material, composição, iluminação e ambiente em vez de objeto isolado.

Como o Vexa AI funciona por dentro

O pipeline é simples conceitualmente. Quando você adiciona uma pasta à biblioteca, o Vexa percorre cada imagem, gera um vetor de aproximadamente 1024 dimensões que codifica o conteúdo visual, e armazena esse vetor num banco vetorial local (FAISS / Qdrant embedded). A imagem original não é movida nem alterada — só lida.

Na hora da busca, sua frase em português ou inglês é convertida pelo mesmo modelo num vetor compatível. Uma busca de similaridade aproximada (HNSW) compara seu vetor com os vetores indexados e devolve as N imagens mais próximas em menos de 100ms, mesmo com dezenas de milhares de itens na biblioteca.

Você também pode buscar por imagem: arrastar uma referência pro Vexa e pedir "me traga visualmente parecidas com isso". O processo é o mesmo, só muda a origem do vetor de busca.

Tudo local. Sua biblioteca não sai do disco.

Existem produtos que oferecem busca semântica em troca de subir sua biblioteca pra um servidor deles. Pra archviz isso é inaceitável: as imagens muitas vezes são compradas, licenciadas, contêm projetos confidenciais de clientes ou foram capturadas pessoalmente. Mandá-las pra nuvem altera o status legal e contratual do material.

O Vexa AI roda inteiramente local. O modelo de visão fica na sua máquina (download único de ~600MB na primeira execução). A indexação consome sua GPU ou CPU. Os vetores ficam num banco local. Nenhuma imagem, nenhum vetor, nenhuma busca sai da sua rede.

Isso também significa que você pode trabalhar sem internet — útil pra quem tem biblioteca em HD externo ou viaja com ela. E significa que o Vexa AI não tem custo recorrente por imagem ou por busca: você compra a licença, o software roda.

Sua biblioteca é seu ativo. Não faz sentido alugar acesso a ela de volta.

Workflow real: do briefing ao moodboard em minutos

O fluxo típico em produção tem três passos. Primeiro: na primeira execução, você aponta o Vexa pras pastas-raiz da sua biblioteca. A indexação inicial leva alguns minutos a algumas horas dependendo do volume e do hardware — mas é só uma vez. Daí em diante, novas imagens são indexadas em background conforme você as adiciona.

Segundo: quando começa um projeto novo, em vez de abrir 40 pastas você abre o Vexa e descreve o que precisa: "cozinha americana com ilha, luz natural lateral, paleta neutra, mobiliário escandinavo". Os resultados aparecem ordenados por similaridade. Você arrasta os que servem pro moodboard ou pra pasta do projeto.

Terceiro: ao longo do projeto, você refina. "Mais frio", "menos pessoas", "ângulo mais baixo", "estilo editorial Kinfolk". Cada busca é independente, então você não está construindo filtros — está conversando com a biblioteca.

O que o Vexa AI não faz (e por que tudo bem)

Vexa AI não substitui curadoria. Ele encontra o que você já tem. Se a sua biblioteca é fraca em algum estilo, mais buscas semânticas não vão gerar referência inexistente. A solução nesse caso é continuar coletando — só que agora sem precisar organizar com a mesma disciplina, porque o sistema entende o conteúdo.

Vexa AI também não gera imagens. Existem produtos que geram referência por difusão (Midjourney, Stable Diffusion). São complementares, não concorrentes. O Vexa entra cedo no fluxo, quando você precisa do que já existe e foi validado pelo seu olho. A geração entra depois, quando você precisa de variações específicas.

E o Vexa AI não substitui PureRef ou similares pra montar o board em si. O que ele faz é o passo anterior: encontrar rapidamente o que vai pro board. Os dois ferramentas convivem bem.

Quem se beneficia mais

Arquitetos com biblioteca acumulada há mais de três anos tipicamente ganham mais tempo, porque o passivo de imagens não indexadas é onde mora a maior parte do valor que estava inacessível. Estúdios com equipe se beneficiam de outro ângulo: o conhecimento da biblioteca deixa de viver na cabeça de uma única pessoa.

Profissionais que entregam moodboards com prazo curto (concursos, propostas comerciais, validação de conceito) economizam horas por entrega. E quem trabalha com referência de fotografia editorial — onde a vocabulário é nuance, atmosfera, paleta — ganha desproporcionalmente, porque é justamente onde a busca por nome falha.

Como começar

O Vexa AI é Windows 10/11 (64-bit), standalone — sem dependência de 3ds Max. Requer 8GB de RAM e idealmente uma GPU NVIDIA pra indexação rápida (CPU funciona, só é mais lento). Ocupa aproximadamente 2GB de disco com o modelo.

A licença Individual cobre 1 pessoa em até 2 máquinas. A licença Team cobre até 5 pessoas num mesmo workspace. Há também modalidade mensal para quem prefere experimentar antes de fechar a vitalícia. Garantia de 7 dias em todas as modalidades.

Você pode começar apontando pra uma pasta pequena (alguns milhares de imagens) pra sentir o sistema, e depois expandir pra biblioteca completa. A primeira busca que retorna a imagem que você esqueceu que tinha costuma ser convincente.