Benvenuti alla pagina ufficiale del Lab for Artificial Visual Intelligence (LAVI), pronunciato la vie in francese. Presso LAVI sviluppiamo metodi di Intelligenza Artificiale (IA), con particolare attenzione alla computer vision e all’IA generativa, per affrontare problemi complessi di percezione. La nostra ricerca integra visione, linguaggio e dati strutturati per progettare modelli robusti ed efficienti dal punto di vista dei dati, destinati alla percezione automatica e capaci di operare in contesti complessi e sfidanti.
Siamo particolarmente interessati a approcci di apprendimento a basso consumo di risorse e affidabili, con applicazioni in robotica, telerilevamento e imaging medico, dove accuratezza e adattabilità sono entrambi aspetti fondamentali.
LAVI è diretto dal Dr. Subhankar Roy, Ricercatore a tempo determinato (Tenure-Track Assistant Professor) presso il Dipartimento di Ingegneria Gestionale, dell’Informazione e della Produzione (DIGIP) dell’ Università di Bergamo, Italia.
Temi di Ricerca
L’apprendimento multimodale
Apprendimento congiunto da visione, linguaggio e dati strutturati
Apprendimento con risorse limitate
Progettazione di modelli in grado di operare con dati, capacità di calcolo e memoria limitati
IA affidabile
Sistemi di machine learning robusti, estendibili, preservanti la privacy e affidabili
Ambiti di applicazione
Computer Vision
Compiti classici della visione artificiale: riconoscimento delle immagini, rilevamento degli oggetti, segmentazione semantica e generazione di immagini
Robotica
Modelli che consentono ai robot di percepire, ragionare e agire in ambienti reali
Remote Sensing
Apprendimento multimodale per il telerilevamento finalizzato al monitoraggio e all’analisi ambientale robusti
Imaging medicale
Applicazione dell’apprendimento multimodale all’imaging medicale per una diagnosi robusta e il supporto alle decisioni cliniche
Notizie
- [Jun, 2026] La nostra paper "ProactiveBench: Benchmarking Proactiveness in Multimodal Large Language Models" accettata a ECCV 2026!
- [Mar, 2026] La nostra paper "Predict-then-Diffuse: Adaptive Response Length for Compute-Budgeted Inference in Diffusion LLMs" accettata a IJCNN 2026!
- [Feb, 2026] La nostra paper "Organizing Unstructured Image Collections using Natural Language" accettata a CVPR Findings 2026!
- [Jan, 2026] La nostra paper "Ensembling Pruned Attention Heads For Uncertainty-Aware Efficient Transformers" accettata a ICLR 2026!
- [2025] 📣 Siamo entusiasti di annunciare il lancio del Lab for Artificial Visual Intelligence (LAVI)!