Confronto fra paradigmi di self-supervised learning per lo sviluppo di un modello fondazionale per mappe di profondità

Lo sviluppo di modelli fondazionali basati su paradigmi self-supervised ha rivoluzionato diversi settori della Computer Vision per il dominio delle immagini RGB, dimostrando come sia possibile apprendere rappresentazioni generali e trasferibili a molteplici task con un limitato sforzo di fine-tuning. Le mappe di profondità rappresentano una modalità complementare particolarmente rilevante in contesti di guida autonoma o robotici, poichè in grado di descrivere la geometria della scena in maniera più robusta rispetto a variazioni di illuminazione e condizioni ambientali avverse. Tuttavia, la ricerca su modelli fondazionali appositamente addestrati su dati di profondità è ancora agli inizi. Questo lavoro studia l'applicabilità di due paradigmi self-supervised -DINOv2 e I-JEPA- al dominio della profondità, con l'obiettivo di valutare se sia possibile apprendere rappresentazioni generali ed applicabili a una varietà di task semantici e geometrici. Il lavoro comprende la ricerca di un dataset ampio ed eterogeneo, lo studio di strategie di preprocessing e data augmentation e un confronto sistematico tra le due architetture attraverso benchmark quantitativi e analisi qualitative. I risultati mostrano come DINOv2 e I-JEPA raggiungano prestazioni comparabili a parità di dataset, evidenziando come gli approcci predittivi possano rappresentare una valida alternativa ai metodi basati su self-distillation di DINOv2. I-JEPA si distingue inoltre per una maggiore efficienza computazionale e una migliore generalizzazione, non essendo vincolato a pipeline di augmentation complesse, come avviene invece per DINOv2. Nel complesso, gli esperimenti confermano che paradigmi self-supervised diversi da quelli tradizionalmente impiegati possono essere applicati con successo al dominio delle mappe di profondità, suggerendo come I-JEPA costituisca una direzione promettente per futuri modelli fondazionali in scenari con risorse computazionali limitate.