Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

Rendering 3D images with attributes learned from 2D images via Deep Learning

Descrizione del progetto

Segnare una nuova era per la computer grafica

La tecnologia sta cambiando per sempre l’istruzione in classe e l’apprendimento in generale. Dalle lezioni online ai tour virtuali dei musei fino alle esperienze di gioco migliorate, i progressi della tecnologia stanno aprendo nuove frontiere. In questo contesto, il progetto 3DIS-NN, finanziato dall’UE, sta portando sul mercato una tecnologia di sintesi di immagini 3D (3DIS) per rappresentare gli oggetti da diverse prospettive e consentire numerose applicazioni in computer grafica e computer vision. Distinguendo gli attributi degli oggetti e ricomponendoli tramite un renderizzatore per la sintesi, 3DIS può fornire una tecnologia per apprendere caratteristiche utili dal nostro mondo visivo che possono essere utilizzate per la comprensione dei contenuti video, uno dei maggiori obiettivi dell’intelligenza artificiale.

Obiettivo

3D (3-dimensional) Image Synthesis (3DIS) is a technology to render objects from different views which enables numerous applications in computer graphics and computer vision. As the digital world is becoming more crucial especially in the times of pandemic, 3DIS can provide tools for online classes, virtual social tours, improved gaming experience and simulators for robotics by providing realistic virtual 3D environments. Furthermore, 3DIS by disentangling the attributes of objects and entangling them via a renderer for synthesize, can provide a technology to learn useful features from our visual world that can be used for video understanding, one of the biggest goals of artificial intelligence. Here, I propose 3DIS-NN, a set of methods to improve the quality of 3DIS with deep neural networks (DNNs), and bring it close to the production quality, which will contribute to the European Union’s Future and Emerging Technology ambitions of Horizon Europe. Learning 3DIS from 2D images with deep learning is a challenging topic due to its inherent ambiguity. 3DIS-NN will enable high-quality 3DIS results by i) creating a dataset with weak labels to feed the data-hungry DNNs for better accuracy, ii) improving robustness of 3D geometry and texture prediction from images, iii) handling the impurities in segmentation of objects with a novel design of architecture, and iv) providing a tool to further close the domain gap in renderers and real images. This interdisciplinary proposal which is at the intersection of deep learning and computer graphics will be carried out at under the supervision of Prof. Ugur Gudukbay who is an expert in computer graphics. In terms of career developments, this proposal will consolidate and accelerate my career on the international landscape scene as a pioneer lead authority in the new cross-disciplinary area of “deep learning & computer graphics”.

Campo scientifico (EuroSciVoc)

CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.

È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione

Parole chiave

Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).

Programma(i)

Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.

Argomento(i)

Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.

Meccanismo di finanziamento

Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.

MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.

(si apre in una nuova finestra) H2020-MSCA-IF-2020

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

BILKENT UNIVERSITESI VAKIF
Contributo netto dell'UE

Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.

€ 145 355,52
Indirizzo
ESKISEHIR YOLU 8 KM
06800 BILKENT ANKARA
Turchia

Mostra sulla mappa

Regione
Batı Anadolu Ankara Ankara
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale

I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.

€ 145 355,52
Il mio fascicolo 0 0