 |
Fabio PELLACINI
Professore Ordinario
Dipartimento di Scienze Fisiche, Informatiche e Matematiche sede ex-Matematica
|
Insegnamento: AI-assisted computer graphics
Informatica (Offerta formativa 2025)
Obiettivi formativi
Il corso presenta l'uso di tecniche di intelligenza artificiale applicate a problemi in computer grafica.
Al termine del corso, lo studente sarà in grado di:
- comprendere algoritmi di intelligenza artificiale nell'ambito grafico;
- implementare gli algoritmi stessi, con un focus sulla parte di inferenza;
- applicare l'uso delle conoscenze precedenti a problemi specifici.
Prerequisiti
Il corso richiede nozioni di base di intelligenza artificiale e deep learning, ma non richiede conoscenze specifiche di computer grafica.
Programma del corso
L'insegnamento comprende 48 ore di didattica frontale. Per ognuno degli argomenti è prevista l'esposizione degli aspetti teorici ed esempi di implementazione usando librerie di supporto. La suddivisione dei contenuti in termini di ore è da intendere come indicativa. I contenuti includono:
- Concetti di base 10%
- Miglioramento di immagini con deep learning, ad esempio denoising, superresolution e color grading 20%
- Generazione e editing di immagini con diffusion models, e cenni di generazione video 20%
- Generazione e editing di scene con diffusion models, ad esempio material e forme 20%
- Ricostruzione di scene, ad esempio nerf, gaussian splatting e procedural fitting 20%
- Tecniche interattive, ad esempio shape editing con automatic differentiation 10%
Metodi didattici
- Le informazioni organizzative e il materiale didattico saranno caricati sulla piattaforma moodle.unimore.it.
- Le lezioni saranno svolte in presenza in aula.
- Le lezioni saranno presentate in un contesto sia teorico che pratico.
- La frequenza non è obbligatoria, ma fortemente consigliata.
- Le domande, gli interventi e la partecipazione degli studenti sono molto graditi e incoraggiati.
Testi di riferimento
- Note scritte dal docente
- Material online gratuito e pubblicazioni scientifiche
Verifica dell'apprendimento
La prova d'esame consiste in un progetto, da fare a casa, seguito da una prova orale, in cui di discuterà del progetto e di tutti gli argomenti del corso.
Il progetto consiste nell'implementazione di un metodo alla stato dell'arte in uno degli argomenti discussi nel corso, e sarà assegnato indicando pubblicazioni opportune.
Il progetto potrà essere scelto da una lista di progetti indicati dal docente, o proposto dallo studente previa conferma del docente.
Il voto finale sarà la medie del voto del progetto e del voto dell'esame orale.
Il voto del progetto dipende dalla correttezza dei risultati ottenuti.
Il voto dell'orale dipende dalla conoscenza degli argomenti del corso e del progetto.
Risultati attesi
- Conoscenza e capacità di comprensione: come obiettivo della parte teorica, al termine del corso lo studente conoscerà i principali algoritmi di intelligenza artificiale applicati alla grafica.
- Capacità di applicare conoscenza e comprensione: tramite gli esempi pratici, al termine del corso lo studente sarà in grado di implementare algoritmi di intelligenza artificiale applicati alla grafica.
- Autonomia di giudizio: tramite le lezioni e gli esempi, utilizzando anche competenze acquisite in altri corsi, lo studente sarà in grado di valutare come gli algoritmi di intelligenza artificiale meglio si adattano alle applicazioni grafiche che sarà di volta in volta chiamato a gestire.
- Abilità comunicative: le lezioni saranno svolte dal docente con continua sollecitazione alla partecipazione da parte degli studenti; il corso richiede anche una discussione finale di progetto.
- Capacità di apprendimento: il corso farà uso consistente di documentazione e materiale online in modo da stimolare lo studente nell'apprendimento autonomo.