• Computer Graphics
• Computer Vision
• Deep Learning
• Denoising
• Depth map
• Machine Learning

Con l’avvento nel mercato di dispositivi a basso costo si possono ottenere stream in tempo reale di immagini e scansioni di scene dinamiche. Tali caratteristiche hanno catturato l’interesse della comunità scientifica, la quale sin da principio ha tentato l’attribuzione di altri impieghi oltre quello ludico. Nonostante ciò, la celerità nell’acquisizione penalizza la qualità della stessa. L’output di scansioni da tali dispositivi, le range maps, soffrono di rumore proveniente dalla camera, da oggetti di disturbo nell’ambiente e molti altri fattori. Ciò ha reso indispensabile un sistema di denoising di range data. Parallelamente, nell’ultimo decennio, grazie anche alla crescita esponenziale della potenza di calcolo delle GPU, nella comunità del Machine Learning si è diffuso l’utilizzo di modelli di Deep Learning, poco diffusi poiché onerosi computazionalmente. In particolare, oltre a generici task di classificazione, è stato dimostrato che tali modelli offrono buoni risultati nel denoising di immagini.
L’obiettivo principale della tesi é analizzare l’impatto dell’utilizzo di tecniche di Deep Learning per il denoising di range maps.