RETE GENERATIVA AVVERSARIA PER LA PREDIZIONE DELLA PROFONDITÀ DA SINGOLE IMMAGINI SU SISTEMI ANDROID

Estimating depth from a single image is a very challenging and exciting topic in computer vision with implications in several applications such as robotics, autonomous driving, augmented reality and many others. Recently proposed deep learning approaches achieves outstanding results by tackling it as an image reconstruction task and exploiting geometry constraints (e.g., epipolar geometry) to obtain supervisory signals for training. This study proposes to use a Generative Adversarial Network (GAN) to unsupervised monocular depth estimation and deployment of model on Android system, in order to use it on augmented reality and evaluate the performance in mobile environment.

La stima della profondità da una singola immagine è un argomento molto stimolante ed entusiasmante nella visione artificiale con implicazioni in diversi domini applicativi come la robotica, guida autonoma, realtà aumentata e molti altri. Gli approcci di deep learning proposti di recente ottengono risultati eccezionali affrontando il problema come un compito di ricostruzione dell’immagine e sfruttando i vincoli geometrici (ad esempio, la geometria epipolare) per ottenere segnali di supervisione per l’addestramento. Questo studio propone l’utilizzo di una Generative Adversarial Network (GAN) per la stima della profondità monoculare senza supervisione e il deployment del modello su dispositivo Android, al fine di utilizzarlo in applicazioni di realtà aumentata e valutarne il comportamento in ambienti mobile.