Bridging the gap between synthetic and real datasets for object recognition

Thesis Description & Objectives

Un dataset sintetico è un insieme di dati generati artificialmente tramite algoritmi o simulazioni, anziché raccolti da osservazioni o misurazioni reali del mondo. Vengono spesso utilizzati quando i dati reali sono scarsi, costosi o difficili da ottenere, quando serve un alto grado di controllo sulle caratteristiche dei dati, o quando ci sono vincoli legati alla privacy o alla sicurezza. Ad esempio, dataset sintetici di scene 3D renderizzate vengono creati per addestrare modelli per il riconoscimento o la ricostruzione di oggetti. In alcuni casi presentano degli svantaggi, in quanto possono non riflettere perfettamente la complessità del mondo reale o possono presentare differenze tali rispetto ai dati reali reali da ridurre la performance dei modelli. Questa tesi si pone come obiettivo quello di colmare il gap tra i dataset sintetici e quelli reali esplorando soluzioni alternative e complementari come il rendering fotorealistico e il transfer fotorealistico.

Advisors

Andrea Sanna

Andrea Sanna

Full Professor

Federico Manuri

Federico Manuri

Fixed-term Assistant Professor

Proposal Details

PoliTo Thesis ID #15014
PoliTo Thesis Page →
Application Deadline 07/07/2026
Keywords