[PT] Unindo dados de fragmentação, o trabalho compara cópulas e VAEs para gerar dados sintéticos. O melhor desempenho vem de um VAE com mistura de gaussianas, que guarda relações mais complexas entre variáveis. Em resumo, quando o dado é pouco e não linear, geradores mais expressivos funcionam melhor. Isso ajuda a treinar modelos que preveem granulometria com mais confiança. [EN] Merging small fragmentation datasets, this work compares copulas and VAEs for synthetic data. A VAE with Gaussian mixtures works best, keeping more complex relationships. In short, with little, non-linear data, more expressive generators perform better. That helps train models that predict particle sizes more reliably.