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.

Scarica versione PDF
Laboratorio
Referenti
Lorenzo Baraldi
Area di specializzazione
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.
Descrizione

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.

Aspetti innovativi
  • 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.
Applicazioni
  • 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.
Esempio di applicazione

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.

Descrizione applicazione e risultati

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.

Partner coinvolti

Maticad Srl

Tempi di realizzazione
12 mesi
Livello di maturità tecnologica
TRL 5 - tecnologia validata in ambiente rilevante
Valorizzazione applicazione

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.
Data pubblicazione