Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Compressione e denoising di immagini attraverso metodi di deep learning con l’ausilio di informazione di profondità (LIDAR) |
|---|---|
| Titolo del progetto di ricerca in inglese | Deep learning-based image compression and denoising with depth information (LIDAR) as side information |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | ING-INF/03 - TELECOMUNICAZIONI |
| Descrizione sintetica in italiano | L'obiettivo di questo progetto è studiare come il LiDAR può aiutare una fotocamera RGB a migliorare le operazioni.In particolare il progetto si concentra nello sviluppare nuovi metodi basati sull'IA che utilizzino le mappe di profondità LiDAR acquisite dagli smartphone per migliorare il ripristino e la codifica delle corrispondenti immagini.Il primo obiettivo è migliorare le prestazioni delle fotocamere in condizioni di scarsa illuminazione, utilizzando il LiDAR come informazione d’ausilio. Il secondo obiettivo è lo sviluppo di un algoritmo di compressione che sfrutti le informazioni sulla profondità per definire regioni di interesse e ottimizzare la loro codifica. Si esplorerà poi una nuova idea di compressione, in cui la compressione di un'immagine in condizioni di scarsa illuminazione è ottimizzata per massimizzare l'efficacia del processo di ripristino successivo. Il deep learning sarà fondamentale nella creazione dei modelli necessari per la fusione delle informazioni |
| Descrizione sintetica in inglese | The aim of this project is to study how LiDAR can assist an RGB camera in improving its operations. In particular, the project focuses on developing novel AI-powered methods that use LiDAR depth maps acquired by smartphones to enhance restoration and coding of images acquired by the same smartphone. The first aim is enhancing the performance of smartphone RGB cameras under low-light conditions, by using the LiDAR depth map as a guidance to denoise and remove motion blur from the low-light photo. The second aim is the development of an image compression algorithm that can exploit depth information to define regions of interest and optimize their coding in a rate-distortion sense. Furthermore, it will be explored the novel idea of machine-driven compression, where compression of a low-light image is optimized for maximizing the effectiveness of the downstream restoration process. Deep learning will be instrumental in building the advanced image models needed for information fusion. |
| Data del bando | 18/12/2023 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
OTHER |
| Nazionalità dei candidati |
OTHER |
| Sito web del bando | https://www.unibs.it/it/ateneo/amministrazione/concorsi/procedure-di-reclutamento-il-conferimento-di-assegni-di-ricerca |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|
| Nome dell'Ente finanziatore | Università degli Studi di Brescia |
|---|---|
| Tipologia dell'Ente | Academic |
| Paese dell'Ente | Italy |
| Città | Brescia |
| Sito web | https://www.unibs.it/it |
| daniela.lamanna@unibs.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 16/01/2024 - alle ore 00:00 |
|---|---|
| Come candidarsi | https://pica.cineca.it/unibs/dii2023-a022 |