Progetti e pubblicazioni

BuddyBack: un sistema multimodale per la correzione della postura

ICMI ’26 - International Conference on Multimodal Interaction, Napoli

Un dispositivo da scrivania che monitora la postura con la stima della posa direttamente sul dispositivo e la corregge con feedback aptico e visivo. Pubblicato a ICMI ’26; in uno studio con 30 utenti tutti hanno dichiarato una maggiore consapevolezza della propria postura e nessuno lo ha trovato invadente.

Estrazione e rifinitura automatica di planimetrie per la navigazione indoor accessibile

Laurea Magistrale in Computer Science - Sapienza Università di Roma

Tesi magistrale: una pipeline che trasforma le foto da smartphone delle planimetrie di evacuazione in mappe pulite e modificabili, per un sistema di navigazione indoor rivolto a persone con disabilità visive e motorie. RT-DETR-L raggiunge 0,894 di mAP@50 e un editor con l’operatore nel ciclo sostituisce il ricalco manuale con correzioni rapide.

Progettazione e implementazione di un sistema di raccolta dati per l’allenamento di un modello di Machine Learning

Laurea Triennale in Informatica - Sapienza Università di Roma

Tesi triennale da tirocinio su GeneroCity, un’app di smart parking che capisce quando lasci un parcheggio. Ho progettato e realizzato il backend che raccoglie i dati dei sensori del telefono per addestrarne il modello, e ho coperto con unit test il codice Go.

Transfer learning dal text-motion retrieval alla classificazione della violenza

Advanced Machine Learning - Sapienza Università di Roma, a.a. 2025/26

Le azioni violente sono rare nei dataset di movimento, e i classificatori standard finiscono per ignorarle. Adattiamo gli embedding di movimento allineati al testo di TMR++ con MAML del primo ordine e una loss specifica per la violenza: con 30 esempi per classe il modello riconosce il 73,1% delle azioni violente con l’1% di falsi positivi.

Oltre il contrastive learning: retrieval immagine–testo variazionale con RoBERTa e DINOv2

Natural Language Processing · Deep Learning and Applied AI - Sapienza Università di Roma, a.a. 2024/25

Adattiamo VMSST, un modello variazionale nato per il retrieval multilingue, a immagini e testo. Resta a circa 6,5 punti da una baseline CLIP su MS-COCO, la supera nel trasferimento zero-shot da Flickr30k a COCO e mantiene uno spazio latente strutturato che un modello contrastivo non ha.

BuddyBack: federated learning per la classificazione della postura

Addestrare il classificatore di postura di BuddyBack su più dispositivi senza condividere i dati di nessuno. Un’implementazione di FedAvg in PyTorch Lightning su feature di posa abbastanza leggere da allenarsi su un Raspberry Pi, provata con dati distribuiti in modo uniforme e sbilanciato.

Riconoscimento dell’iride: pipeline biometrica tradizionale e deep learning a confronto

Biometric Systems - Sapienza Università di Roma

La pipeline classica di Daugman (tramite la libreria OpenIris) contro embedding ResNet-50 addestrati con triplet loss, sulle 20.000 immagini di CASIA-Iris-Thousand. Vince nettamente la pipeline tradizionale: EER vicino allo 0% e 99,7% di identificazione al primo rango.

Rilevamento della polmonite da radiografie del torace: metodi classici e deep learning a confronto tra dataset

Fundamentals of Data Science - Sapienza Università di Roma

Sei classificatori, dal k-NN a una ResNet-50 con fine-tuning, addestrati su tre dataset pubblici di radiografie del torace e testati sugli altri due. I modelli deep vincono ovunque, ma quelli più semplici perdono meno quando cambiano i dati.

AML Challenge: tradurre embedding di testo in embedding di immagini

Advanced Machine Learning - Sapienza Università di Roma, a.a. 2025/26

Una competizione del corso sul model stitching: portare gli embedding di un encoder di testo nello spazio di un encoder di immagini indipendente. Il nostro VAE con una loss contrastiva multi-positiva ha raggiunto un MRR di 0,868 sulla classifica pubblica, contro una baseline di 0,462.

WasaPhoto: una web app per condividere foto

Web and Software Architecture - Sapienza Università di Roma

Un piccolo social network per foto, realizzato da cima a fondo: un backend REST in Go specificato in OpenAPI con SQLite, un front end in Vue.js e immagini Docker per entrambi.