Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Ricostruzione 3D di scene con superfici non-lambertiane tramite tecniche di stereo matching con reti neurali |
|---|---|
| Titolo del progetto di ricerca in inglese | 3D Reconstruction of non-lambertian surfaces by stereo matching and deep learning |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | - |
| Descrizione sintetica in italiano | The research project consists in the study of 3D reconstruction techniques of scenes containing non-Lambertian objects using deep learning algorithms. For this poorly investigated problem, available stereo datasets with accurate 3D annotations are not sufficient to train a neural network. In the first two phases of the project, we will investigate two strategies to quickly generate more annotated data for this task, the first through computer graphics tools, while the second through more recent techniques called Neural Radiance Fields (NeRFs). Once a quick strategy has been obtained to gather a lot of annotated data, we will develop a neural architecture able to reason on the various types of materials to obtain an accurate depth estimation for each type of surface. This architecture will be fine-tuned and evaluated on Booster, a recently proposed benchmark to evaluate stereo methods on this challenging and open task. |
| Descrizione sintetica in inglese | non-Lambertian objects using deep learning algorithms. For this poorly investigated problem, available stereo datasets with accurate 3D annotations are not sufficient to train a neural network. In the first two phases of the project, we will investigate two strategies to quickly generate more annotated data for this task, the first through computer graphics tools, while the second through more recent techniques called Neural Radiance Fields (NeRFs). Once a quick strategy has been obtained to gather a lot of annotated data, we will develop a neural architecture able to reason on the various types of materials to obtain an accurate depth estimation for each type of surface. This architecture will be fine-tuned and evaluated on Booster, a recently proposed benchmark to evaluate stereo methods on this challenging and open task. |
| Data del bando | 12/12/2022 |
| 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 - - DIPARTIMENTO DI INFORMATICA - SCIENZA E INGEGNERIA |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| luigi.distefano@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 30/12/2022 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |