La ricostruzione digitale di oggetti fratturati è di crescente interesse in diversi ambiti, dalla conservazione dei beni culturali fino all’ingegneria biomedica. Tradizionalmente, questo compito è stato affrontato tramite metodi manuali o semi-automatici: alla base ci sono tecniche di analisi geometrica classica, algoritmi di matching basati su caratteristiche locali e approcci iterativi come l’ICP (Iterative Closest Point). Sebbene efficaci in scenari semplici, queste soluzioni presentano forti limiti quando applicate a frammenti complessi, poiché sensibili a rumore, incompletezza dei dati e variabilità delle fratture. L’avvento delle reti neurali e dei modelli di deep learning ha aperto nuove prospettive, rendendo possibile affrontare il problema in modo più automatizzato, cercando di raggiungere l'obiettivo finale anche senza supervisione umana.