Approcci generativi di Deep Learning applicati alle nuvole di punti, come supporto nell’ambito dei beni culturali.

L'ambito dei beni culturali rappresenta un campo in continua espansione, soprattutto negli ultimi anni, dove, grazie alle tecnologie di rilevazione, è stato possibile ottenere rappresentazioni 3D di opere d'arte, edifici e monumenti. Questo, oltre che concedere un nuovo tipo di visita dei musei, apre la strada alla ristrutturazione di edifici o al completamento opere d'arte prive di alcuni dettagli. Tutto questo è reso possibile dalle tecniche e algoritmi di Deep Learning: tuttavia non si dispone ancora di un quantitativo di dati sufficiente per ottenere dei risultati considerevoli. Attualmente l'unico dataset di cui si può usufruire liberamente in quest'ambito è ArCH (Architectural Cultural Heritage), dove le varie scene sono rappresentate attraverso le nuvole di punti, un particolare formato con cui è possibile visualizzare gli oggetti in 3D e navigare all'interno di essi. Per cercare di colmare la mancanza di dati sono stati applicati approcci generativi, allenando perciò delle reti neurali e rendendole capaci di generare dei nuovi oggetti, da aggiungere in un secondo momento al dataset di partenza, calcolando alcune metriche che possano aiutare nella valutazione quantitativa dei risultati ottenuti.