Verifica a posteriori dei passi di una procedura da video con modelli visione-linguaggio
In breve
A fine lavoro, verificare dal video quali passi di una procedura sono stati davvero eseguiti e conservare l'immagine che lo dimostra.
In molti lavori, dalla manutenzione alla sanità, è necessario poter documentare di aver eseguito ogni passo di una procedura. Un sistema che analizza il video girato dagli occhiali di un tecnico può compilare automaticamente il registro degli interventi, allegando a ogni passo l’immagine che lo attesta.
L’obiettivo della tesi è costruire questo “notaio visivo”. Usando modelli di IA che capiscono immagini e linguaggio, il sistema controlla passo per passo cosa è stato fatto, e quando non è sicuro lo dice invece di tirare a indovinare. È una tesi applicativa con modelli di ultima generazione, che si possono eseguire sul proprio computer.
Per iniziare
- Lee et al., Error Detection in Egocentric Procedural Task Videos (EgoPER), CVPR 2024.
- Bai et al., Qwen2.5-VL Technical Report, 2025.
Ti interessa questa tesi? Scrivimi indicando il tuo corso di laurea e gli esami sostenuti.