Gramat è un sistema di intelligenza artificiale sviluppato in collaborazione con Maticad Srl, software house con sedi a Pesaro e Sassuolo specializzata in soluzioni di progettazione d'interni per il settore ceramico e dell'arredo bagno. Il sistema affronta un problema concreto: il costo computazionale di un rendering fotorealistico cresce con la risoluzione dell'immagine finale. Con Gramat il motore di rendering calcola l'immagine a bassa risoluzione, e una rete di super-risoluzione generativa basata su modelli di diffusione la riporta all'alta risoluzione.

La rete ricostruisce i dettagli fini della scena, come le venature del marmo, le fughe delle piastrelle e le trame di legni e tessuti, con particolare attenzione alla fedeltà dei materiali, elemento decisivo per chi presenta prodotti ceramici e di arredo. La tecnologia alla base di Gramat è stata pubblicata alla conferenza internazionale ICPR 2026 e il codice è disponibile in forma open source.

Download PDF version
Laboratory
Contacts
Lorenzo Baraldi
Specialization Area
Digitale
Edilizia e Costruzioni
Keyword
Intelligenza Artificiale Generativa
Super-Risoluzione
Modelli di diffusione
Rendering di interni
Da rendering a bassa risoluzione a immagine fotorealistica ad alta definizione con Gramat.
Description

Gramat è un modello di super-risoluzione a singolo passo costruito su un generatore di immagini a diffusione pre-addestrato su larga scala (Stable Diffusion). Il generatore viene adattato al compito tramite moduli leggeri di adattamento (LoRA), senza modificare i pesi del modello di base.

I principali moduli:

  • Condizionamento visivo: i metodi esistenti guidano il generatore con una descrizione testuale dell'immagine, prodotta da un modello di captioning. Gramat estrae invece direttamente dall'immagine a bassa risoluzione delle feature visive dense, con un encoder auto-supervisionato (DINOv3). Queste feature sono allineate spazialmente con l'immagine e ne descrivono sia la struttura complessiva sia i dettagli locali.
  • Modulo di fedeltà (livello pixel): rimuove sfocatura, rumore e artefatti di sottocampionamento, mantenendo l'immagine ricostruita aderente a quella di partenza.
  • Modulo semantico: genera dettagli percettivamente realistici e coerenti con il contenuto della scena.
  • Modulo di texture (matrici di Gram): allinea le correlazioni tra le feature visive delle diverse porzioni dell'immagine ricostruita con quelle dell'immagine di riferimento, preservando la regolarità dei pattern ripetuti come piastrelle, venature e trame.

I tre moduli sono addestrati in sequenza, ciascuno con il proprio obiettivo; al momento dell'uso il loro contributo può essere dosato in modo indipendente.

Innovative aspects
  • Condizionamento visivo invece che testuale: elimina il passaggio intermedio della descrizione testuale e fornisce al generatore un'informazione spazialmente allineata con l'immagine.
  • Fedeltà delle texture: l'allineamento delle matrici di Gram è pensato per superfici con pattern ripetuti, tipiche di ceramiche, pietre e legni.
  • Controllo regolabile: tre parametri indipendenti permettono di bilanciare fedeltà all'originale, ricchezza di dettaglio e coerenza delle texture in base all'applicazione.
  • Inferenza in un solo passo: i modelli di diffusione tradizionali richiedono decine di iterazioni; Gramat produce l'immagine finale con un'unica valutazione della rete, riducendo drasticamente i tempi di elaborazione.
  • Flessibilità: il sistema opera con diverse risoluzioni di ingresso e di uscita e con diversi fattori di ingrandimento.
Potential applications
  • Accelerazione dei motori di rendering nei software di progettazione di interni, arredo e ceramica.
  • Produzione rapida di immagini per cataloghi, configuratori online e showroom.
  • Riduzione dei costi di calcolo, su server o in cloud, per servizi di rendering su larga scala.
  • Più in generale, ingrandimento e restauro di fotografie e immagini degradate.
Architettura di Gramat. DINOv3 guida il generatore a diffusione, mentre tre moduli LoRA ottimizzano fedeltà, dettagli semantici e coerenza delle texture.
Application example

Gramat è stato applicato a rendering fotorealistici di ambienti domestici, come cucine e bagni, forniti da Maticad. Invece di calcolare direttamente l'immagine finale ad alta risoluzione, il motore produce un rendering a risoluzione ridotta di un fattore 16, che Gramat riporta alla risoluzione piena.

Application description and results

Sui rendering di interni forniti da Maticad, le immagini ricostruite da Gramat risultano visivamente confrontabili con i rendering calcolati direttamente ad alta risoluzione: superfici, riflessi e texture dei materiali vengono ricostruiti in modo coerente. Poiché il costo del rendering è proporzionale al numero di pixel calcolati, l'approccio riduce in modo sostanziale i tempi e le risorse di calcolo necessari.

Sui benchmark scientifici di riferimento (DIV2K, RealSR e DRealSR) la tecnologia supera i principali metodi di super-risoluzione a singolo passo basati su diffusione. Rispetto al metodo più vicino (PiSA-SR, CVPR 2025), migliora la fedeltà di ricostruzione fino a circa 1,5 dB di PSNR e riduce l'errore percettivo (LPIPS) fino al 14% sulle immagini reali.

Il progetto è un esempio di come la collaborazione tra università e impresa possa portare risultati di ricerca pubblicati a livello internazionale direttamente dentro gli strumenti usati ogni giorno da progettisti, rivenditori e produttori del distretto ceramico.

Involved partners

Maticad Srl

Implementation Time
12 mesi
Technology Readiness Level
TRL 5 - tecnologia validata in ambiente rilevante
Exploitation

Pubblicazione scientifica alla conferenza ICPR 2026 e codice open source (github.com/aimagelab/GramSR). Integrazione nella pipeline di rendering di Maticad in fase di valutazione.

Rendering di un bagno. Confronto tra l’originale ad alta risoluzione e la ricostruzione Gramat da input 16× ridotto, con dettaglio su legno e rivestimenti.
Published on