Federico D'Asaro

Dottorando in Ingegneria Informatica E Dei Sistemi , 39^o ciclo (2023-2026)
Dipartimento di Automatica e Informatica (DAUIN)

Docente esterno e/o collaboratore didattico
Dipartimento di Automatica e Informatica (DAUIN)

federico.dasaro@polito.it

Profilo

Dottorato di ricerca

Argomento di ricerca

Modelli visivi e linguistici

Tutori

Interessi di ricerca

Data science, Computer vision and AI

Biografia

Federico D'Asaro è un Ricercatore in ambito AI presso la LINKS Foundation, specializzato in applicazioni di deep learning multimodale. Ha conseguito la laurea magistrale in Data Science and Engineering nel 2021 e ha iniziato il dottorato di ricerca nel 2023 nel Computer Graphics & Vision Group (CGVG). La sua ricerca si concentra sulle capacità di trasferimento dei Modelli Visione-Linguaggio per task downstream, con un’attenzione particolare al Modality Gap, una problematica che riguarda la qualità dello spazio delle features multimodali. Operando tra Natural Language Processing e Computer Vision, l’obiettivo della sua attività di ricerca è comprendere in che misura la riduzione del Modality Gap possa migliorare le prestazioni nei task downstream.

Didattica

Insegnamenti

Corso di laurea magistrale

Applied data science project. A.A. 2024/25, DATA SCIENCE AND ENGINEERING. Collaboratore del corso

Ricerca

Gruppi di ricerca

CGVG - Computer Graphics and Vision Group (DAUIN)

Pubblicazioni

Pubblicazioni più recenti Vedi tutte le pubblicazioni su Porto@Iris

D'Asaro, Federico; Márquez Villacís, Juan José; Rizzo, Giuseppe; Bottino, Andrea (In stampa)
Using Large Speech Models for Feature Extraction in Cross-Lingual Speech Emotion Recognition. In: CLiC-it 2024 – Tenth Italian Conference on Computational Linguistics
Contributo in Atti di Convegno (Proceeding)
D’Asaro, Federico; Marquez Villacis, Juan Jose; Rizzo, Giuseppe; Bottino, Andrea (2024)
Transfer Learning of Large Speech Models for Italian Speech Emotion Recognition. In: 18th IEEE International Conference Application of Information and Communication Technologies 2024, Turin (ITA), 25-27 September 2024. ISBN: 979-8-3503-8753-7
Contributo in Atti di Convegno (Proceeding)
D'Asaro, Federico; De Luca, Sara; Bongiovanni, Lorenzo; Rizzo, Giuseppe; Papadopoulos, ... (2024)
Zero-Shot Content-Based Crossmodal Recommendation System. In: EXPERT SYSTEMS WITH APPLICATIONS, vol. 258. ISSN 0957-4174
Contributo su Rivista