Thesis Description & Objectives
La mancanza di dati di benchmark per la segmentazione semantica degli scenari del patrimonio digitale ostacola lo sviluppo di soluzioni di classificazione automatica in questo campo. I dati 3D del patrimonio architettonico presentano strutture complesse e classi non comuni che impediscono la semplice distribuzione di metodi disponibili sviluppati in altri campi e per altri tipi di dati. La classificazione semantica dei dati 3D del patrimonio aiuterebbe la comunità a comprendere e analizzare meglio i gemelli digitali e faciliterebbe i lavori di restauro e conservazione. Il dataset ArCH nasce dalla collaborazione di diverse università e istituti di ricerca e comprende nuvole di punti annotate e non annotate di siti del patrimonio culturale. Tuttavia, la scarsità di dati, la varietà e l’unicità delle architetture e la categorizzazione a grana fine necessaria per la segmentazione rendono questo compito particolarmente difficile per i modelli di apprendimento profondo. L’obiettivo di questo progetto è arricchire reti neurali profonde all’avanguardia per la segmentazione di nuvole di punti utilizzando tecniche neurosimboliche, come le reti Logic Tensork, per iniettare conoscenze pregresse nella rete.
