Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Università di Firenze- Ricerca su modelli generativi ottimizzati per il miglioramento della qualità visiva di immagini e video |
|---|---|
| Titolo del progetto di ricerca in inglese | University of Florence- Research on optimized generative models for visual quality improvement of image and video - published on the |
| Campo principale della ricerca | Engineering |
| Sottocampo della ricerca | Computer engineering |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI |
| Descrizione sintetica in italiano | L'introduzione delle reti neurali generative ha consentito la creazione di immagini realistiche e di alta qualità. Questi modelli funzionano apprendendo la distribuzione statistica di un dato set di dati e generando nuovi campioni dall'aspetto simile a quelli originali. Le reti generative avversarie (GAN) e i variational autoencoder(VAE)sono due tipi popolari di modelli generativi che sono stati utilizzati per migliorare la qualità visiva di immagini e video. Per ottenere prestazioni in tempo reale, questi modelli sono stati ottimizzati utilizzando varie tecniche come network pruning, la quantizzazione dei pesi e la parallelizzazione. Sfruttando queste strategie di ottimizzazione, le reti neurali generative possono generare immagini di alta qualità a frame rate elevati, rendendole adatte a un'ampia gamma di applicazioni come lo streaming video. L'obiettivo è applicare queste tecniche di ottimizzazione a GAN adatte per essere eseguite su dispositivi mobili e ricerca. |
| Descrizione sintetica in inglese | The introduction of generative neural networks have enabled the creation of realistic and high-quality visuals. These models work by learning the statistical distribution of a given dataset and generating new samples that are similar in appearance to the original ones. Generative adversarial networks (GANs) and variational autoencoders (VAEs) are two popular types of generative models that have been used to improve the visual quality of images and videos. To achieve real-time performance, these models have been optimized using various techniques such as network pruning, weight quantization, and parallelization. By leveraging these optimization strategies, generative neural networks can generate high-quality visuals at high frame rates, making them suitable for a wide range of applications such as video streaming. The goal of this research is to apply these optimization techniques to GANS suitable to be executed on mobile devices and to research. |
| Data del bando | 22/05/2023 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
EUROPE |
| Nazionalità dei candidati |
EUROPE |
| Sito web del bando | https://titulus.unifi.it/albo/viewer?view=files%2F005028812-UNFICLE-8929714a-2361-4646-90a7-f8f068f4838f-000.pdf |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Il contratto prevede la copertura delle prestazioni sociali? | yes |
| Importo annuale | 26521 |
| Valuta | Euro |
| Comprende lo stipendio dell'assegnista | yes |
| Comprende vitto e spese di viaggio | no |
| Comprende il costo della ricerca | no |
| Massima durata dell'assegno (mesi) | 12 |
| Criteri di selezione in italiano (breve descrizione) | LM in Ingegneria Informatica on in Informatica |
| Criteri di selezione in inglese (breve descrizione) | Informatics engineering or computer science master degree |
| Processo di selezione in italiano (breve descrizione) | per titoli e colloquio |
| Processo di selezione in inglese (breve descrizione) | evaluation of titles and examination by means of an interview |
| Nome dell'Ente finanziatore | Università degli Studi Firenze |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Firenze |
| Sito web | http://www.unifi.it |
| amministrazione@dinfo.unifi.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 06/06/2023 |
|---|---|
| Come candidarsi | Other |