Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Metodi variazionali e deep learning per la registrazione di immagini e geometrie 3D |
|---|---|
| Titolo del progetto di ricerca in inglese | Variational and deep learning based methods for 3D imaging an geometry registration |
| Campo principale della ricerca | Mathematics |
| Sottocampo della ricerca | Algorithms |
| Settore Concorsuale | 01 - Scienze matematiche e informatiche |
| S.S.D | - |
| Descrizione sintetica in italiano | La registrazione di superfici/volumi (S/V) mira a trovare una corrispondenza puntuale tra due S/V dello spazio 3D. In questo progetto affronteremo il problema della registrazione di due S/V, di cui non esiste una naturale biiezione tra loro. Più precisamente, si assume che solo un sottoinsieme della superficie di origine sia in corrispondenza ad un sottoinsieme della superficie di destinazione. Studieremo un modello variazionale per risolvere il problema minimizzando varie distorsioni nelle trasformazioni, descritte dal coefficiente di Beltrami e dal differenziale della trasformazione. Le distorsioni saranno studiate con la teoria delle trasformazioni quasi-conformi. Cercheremo di migliorare il modello variazionale utilizzando Deep Neural Networks e tenendo conto delle strutture geometriche dei dati di addestramento e altre proprietà note a priori. Verrà implementato un metodo numerico per una soluzione veloce e l'intero modello sarà confrontato e validato su dati reali. |
| Descrizione sintetica in inglese | Surface/Volume (S/V) registration aims to find meaningful point-wise correspondence between two surfaces embedded in the 3D space. In this project we address the problem of registering two S/V, of which a natural bijection between them does not exist. More precisely, only a partial subset of the source surface is assumed to be in correspondence with a subset of the target surface. We study a variational model to solve the problem by minimizing various mapping distortions that are described by the Beltrami coefficient as well as the differential of the mapping. An idea is to control angle and scale distortions via quasiconformal theory as well as minimizing landmark and/or intensity and properties mismatch. We try to improve the variational model by using Deep neural networks and insert geometric structures of the training data and apriori geometric knowledge. A fast computational solution method will be studied and the whole model compared and validated on real data. |
| Data del bando | 26/07/2021 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
All |
| Nazionalità dei candidati |
All |
| Sito web del bando | https://bandi.unibo.it/ricerca/assegni-ricerca |
| 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://bandi.unibo.it/ricerca/assegni-ricerca |
| Criteri di selezione in inglese (breve descrizione) | to apply for research grants fill out the form available at the following address: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Nome dell'Ente finanziatore | ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA - - CENTRO RICERCA SISTEMI ELETTRONICI INGEGN.INF. E TELECOM."ERCOLE DE CASTRO" |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| fiorella.sgallari@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 26/08/2021 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |