Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Inferring depth from images with deep-learning |
|---|---|
| Titolo del progetto di ricerca in inglese | Inferring depth from images with deep-learning |
| Campo principale della ricerca | Computer science |
| Sottocampo della ricerca | 3 D modelling |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | - |
| Descrizione sintetica in italiano | Inferire mappe depth dense in tempo reale con telecamere risulta essere una strategia vantaggiosa rispetto all'utilizzo di sensori depth baati su altre tecnologie come LIDAR, Time-of-Flight, and structured-light. Come in molti altri settori, il deep-learning ha consentito di ottenere eccellenti risultati e in questo contesto ha anche aperto la strada a nuove entusiasmanti opportunità come la possibilità di inferire mappe di profondità da sistemi basati su una singola telecamera. In questo progetto, l'attività di ricerca è mirata allo sviluppo di originali ed efficaci metodologie basate sul deep-learning per inferire mappe di profondità da immagini stereo e mono utilizzando metodi non supervisionati e anche di realizzare metodi allo stato dell'arte per ottenere stime di confidenza da dati depth. Il mapping su sistemi embedded è un'altro obiettivo del progetto. Infine, le metodologie sviluppate nel contesto di questo progetto di ricerca saranno valutate in contesti applicativi reali. |
| Descrizione sintetica in inglese | Inferring dense depth maps in real-time with standard imaging sensors is very attractive compared to conventional depth sensors such as LIDAR, Time-of-Flight, and structured-light. As for many other research fields, deep-learning enabled to achieve compelling results and in this context it also paved the way to new exciting opportunities such as inferring depth from a single camera (i.e., monocular death estimation). In this project, the research activity is aimed at developing original and effective techniques based on deep-learning to infer depth from stereo and monocular cameras leveraging on unsupervised strategies as well as to design state-of-the-art techniques for confidence estimation from depth data. Mapping on embedded systems not equipped with expensive and power hungry GPUs is another outcome of the project. Finally, the techniques developed in this context will be evaluated in some challenging and relevant application scenarios. |
| Data del bando | 27/09/2018 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
All |
| Nazionalità dei candidati |
All |
| Sito web del bando | https://www.aricweb.unibo.it/BandiPubblicati/zz_Bandi_din.aspx |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Criteri di selezione in italiano (breve descrizione) | il bando e la modulistica per partecipare alla procedura di valutazione comparativa sono disponibili all'indirizzo: https://www.aricweb.unibo.it/BandiPubblicati/zz_Bandi_din.aspx |
| Criteri di selezione in inglese (breve descrizione) | to apply for research grants fill out the form available at the following address: https://www.aricweb.unibo.it/BandiPubblicati/zz_Bandi_din.aspx |
| Nome dell'Ente finanziatore | ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA - - DIPARTIMENTO DI INFORMATICA - SCIENZA E INGEGNERIA |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| stefano.mattoccia@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 17/10/2018 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |