Thesis – Computer Vision

Lorenzo PellegriniCorso: Laurea Magistrale in Ingegneria e Scienze Informatiche Tipo: Progetto/Ricerca Advisor/Co-Advisor: Lorenzo Pellegrini Abstract: I moderni sistemi di intelligenza artificiale inseriscono una firma invisibile all’interno delle immagini prodotte che consente di riconoscere se un contenuto è stato prodotto artificialmente. Questa pratica deriva dall’osservazione che i modelli precedenti, come reti GAN o le prime architetture di Diffusion, lasciavano già in modo implicito delle tracce distinguibili dovute alla loro struttura. Questa firma, che varia da modello a modello, viene ora inserita volontariamente al fine di permettere di riconoscere se un’immagine è stata generata. Cosa accade se rimuoviamo quelle firme? Cosa succede invece se andiamo a inserire una di queste firme in un’immagine reale?La tesi si propone di analizzare i meccanismi di watermarking e studiarne la robustezza rispetto a tentativi di rimozione o corruzione. Questo passerà dal valutare se i modelli più avanzati di riconoscimento di immagini sintetiche siano in grado di identificare contenuti generati anche in assenza di firme. Se il tempo lo permetterà, si potrò procedere all’addestramento di un modello di detection in grado di riconoscere immagini generate senza fare affidamento sui watermark.Per farsi un’idea di come funzionano questi meccanismi di firma, si vedano i link messi basso 👇 Tesi su argomento Deepfake RecognitionQuesta proposta è parte di un insieme di studi che stiamo conducendo nel nostro laboratorio sul riconoscimento di immagini generate/manipolate. Si tratta di un argomento particolarmente recente e sempre più rilevante. L’argomento è molto ampio e questa è solo una delle possibili tesi sugli argomenti: Riconoscimento di immagini fake, inpainting e outpainting Riconoscimento di video e audio generati o parzialmente manipolati Inserimento o rimozione di watermark Explainability delle manipolazioni Manipolazione e riconoscimento real-time Link suggeriti SynthID (Google) – https://deepmind.google/models/synthid/ Video Seal – https://aidemos.meta.com/videoseal/ AI Watermarking 101 – https://huggingface.co/blog/watermarking Fragile Watermarking for Image Certification Using Deep Steganographic Embedding – paper Nostri paper sull’argomento: AI-GenBench: A New Ongoing Benchmark for AI-Generated Image Detection Generalized Design Choices for Deepfake Detectors [...] Read more...
Annalisa FrancoCourse: Laurea Magistrale in Ingegneria e Scienze Informatiche Type: Progetto/Ricerca Abstract: La tesi si propone di sviluppare metodi per la rilevazione e il riconoscimento di prodotti alimentari, analizzando pipeline ibride e/o modelli end-to-end basati su deep learning. L’obiettivo è valutare i vantaggi offerti dalle architetture moderne in termini di accuratezza e capacità di generalizzazione. Particolare attenzione sarà dedicata all’impiego di tecniche di data augmentation e generazione sintetica di immagini per migliorare la robustezza dei sistemi di riconoscimento in scenari reali. Advisor/Co-Advisor: Annalisa Franco Note: [...] Read more...
Matteo FerraraCourse: Laurea Magistrale in Ingegneria e Scienze Informatiche Type: Tesi di ricerca presso Jubatus Abstract: Sviluppo di un sistema in grado di identificare piloti e veicoli durante gli eventi di motor-racing partendo da una singola immagine di un casco o di un veicolo con il pilota. Advisor/Co-Advisor: Prof. Matteo Ferrara Note: Richieste conoscenze di Deep Learning e Computer Vision [...] Read more...
Guido BorghiCourse: Laurea Magistrale in Ingegneria e Scienze Informatiche Type: Progetto/Ricerca Abstract:I singoli esemplari di delfino possono essere riconosciuti in base all’analisi della pinna dorsale e della presenza di eventuali cicatrici, ferite, incisioni. Obiettivo della tesi è lo sviluppo di un sistema di visione che sia in grado di effettuare questo tipo di analisi.Il riconoscimento dei delfini rappresenta lo strumento fondamentale per monitorare gli esemplari presenti nei nostri mari e tracciarne gli spostamenti. Advisor/Co-Advisor: Prof.ssa Annalisa Franco, Guido Borghi Note: In collaborazione con il Dipartimento di Scienze Mediche Veterinarie. Richieste competenze di Visione Artificiale e Deep Learning. [...] Read more...
Guido BorghiCourse: Laurea Magistrale in Ingegneria e Scienze Informatiche Type: Progetto/Ricerca Abstract: L’analisi di sottilissime sezioni del dente può rivelare numerosissime informazioni sulla persona quali l’età o il tipo di alimentazione, analisi particolarmente utili in contesti archeologici. Per questo tipo di analisi l’immagine della sezione del dente viene acquisita ad altissima risoluzione e attualmente processata in modo completamente manuale. Si vuole realizzare un sistema di supporto all’esperto umano che, attraverso tecniche di visione artificiale, estratta in modo automatico alcune caratteristiche salienti delle immagini (es. linee di riferimento, punti caratteristici). Advisor/Co-Advisor: Prof.ssa Annalisa Franco, Guido Borghi Note: In collaborazione con il Dipartimento di Beni Culturali. Richieste competenze di Visione Artificiale e Deep Learning. [...] Read more...
Guido BorghiCourse: Laurea Magistrale in Ingegneria e Scienze Informatiche Type: Progetto/Ricerca Abstract: la tesi verterà sullo sviluppo di un sistema automatico o semi-automatico in grado di ricostruire antiche vetrate a partire da frammenti di vetro rinvenuti nella chiesa di San Vitale a Ravenna. I frammenti, di colore uniforme, costituivano originariamente dei dischi (di dimensione variabile) incastonati in alcune pareti di legno. Advisor/Co-Advisor: Prof.ssa Annalisa Franco, Guido Borghi Note: In collaborazione con il Dipartimento di Beni Culturali. Eventuali conoscenze di Visione Artificiale, Machine Learning e Deep Learning sono gradite. [...] Read more...
Matteo FerraraCourse: Laurea Magistrale in Ingegneria e Scienze Informatiche Type: Progetto Abstract: Addestramento di reti neurali profonde per la semantic segmentation di immagini contenenti il volto di un individuo considerando le seguenti classi di interesse: face, hair, background, clothes. Advisor/Co-Advisor: Prof. Matteo Ferrara Note: Richieste conoscenze di Deep Learning. Per approfondire l’argomento si consiglia di consultare il seguente articolo scientifico: M. Ferrara, A. Franco and D. Maio, “A multi-classifier approach to face image segmentation for travel documents”, Expert Systems With Applications, vol.39, no.9, pp.8452-8466, July 2012. [...] Read more...