Enrico Balbo
Ricerca cross-modale di serie temporali satellitari mediante apprendimento contrastivo = Cross-Modal Retrieval for Satellite Image Time Series via Contrastive Learning.
Rel. Paolo Garza, Daniele Rege Cambrin. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2026
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (7MB) | Preview |
Abstract
La ricerca cross-modale, o cross-modal retrieval — recuperare immagini a partire da una descri- zione in linguaggio naturale, e viceversa — è oggi consolidata sulle immagini naturali statiche grazie a modelli contrastivi come CLIP, ma resta poco esplorato sulle serie temporali satelli- tari, dove l’oggetto della descrizione non è una scena ma la sua evoluzione nel tempo. Questa tesi propone un sistema che allinea in un unico spazio di embedding sequenze multispettrali Sentinel-2 e testo in linguaggio naturale. L’architettura combina tre componenti: un encoder visivo pre-addestrato per il telerilevamento, un modulo di fusione temporale che aggrega una sequenza di lunghezza variabile in un’unica rappresentazione del cambiamento, e l’encoder testuale di CLIP, allineati tramite una loss con- trastiva.
Del modulo di fusione vengono formulate e confrontate due varianti: una che codifica il cambiamento per costruzione, calcolando differenze tra osservazioni consecutive, e una che lo apprende tramite un meccanismo di attenzione su frame e transizioni
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
URI
![]() |
Modifica (riservato agli operatori) |
