Il laboratorio VANDAL (Visual and Multimodal Applied Learning Lab) del Politecnico di Torino è stato premiato con lo IAPR Best Paper Award durante la International Conference on Image Analysis and Processing (ICIAP 2025), svoltasi a Roma dal 15 al 19 settembre 2025. Il riconoscimento è stato assegnato al lavoro “A Second-Order Perspective on Pruning at Initialization and Knowledge Transfer”, firmato da Tatiana Tommasi, Leonardo Iurada e Beatrice Occhiena del Dipartimento di Automatica e Informatica (DAUIN).
L’ICIAP, giunta alla sua 23ª edizione, rappresenta il principale appuntamento italiano dedicato alla visione artificiale, al riconoscimento dei pattern e al machine learning. Promosso dal CVPL e affiliato all’International Association for Pattern Recognition (IAPR), l’evento ha riunito studiosi da tutto il mondo per discutere gli sviluppi più recenti della ricerca in ambito AI.
La ricerca premiata affronta un tema cruciale per la tecnologia contemporanea: la sostenibilità computazionale dei modelli di deep learning, che alimentano applicazioni in settori come diagnostica medica, sicurezza, industria e servizi digitali. I modelli visivi pre-addestrati, fondamentali per il transfer learning, sono spesso estremamente complessi e richiedono elevate risorse di calcolo, energia e memoria. Il team del VANDAL Lab ha sviluppato un metodo per “alleggerire” i modelli già nella fase di inizializzazione, attraverso un processo di pruning – riduzione delle connessioni neuronali ridondanti – basato su criteri di secondo ordine.
Questo approccio consente di comprimere i modelli mantenendo la loro capacità di generalizzazione, anche senza conoscere in anticipo il compito finale. I test hanno dimostrato che i modelli ottimizzati mantengono le prestazioni sui compiti di origine e migliorano in scenari zero-shot, ossia quando si trovano ad affrontare attività mai viste prima, riducendo al contempo i tempi di addestramento e i consumi energetici.
Tali risultati rappresentano un passo concreto verso un’intelligenza artificiale più accessibile e sostenibile, adatta anche a dispositivi edge e a contesti di apprendimento federato. Il progetto si inserisce nelle attività della ELLIS Unit Torino, rete europea di eccellenza in AI, e beneficia di finanziamenti del PNRR-NGEU (decreto MUR 351/2022), del programma FAIR – Future Artificial Intelligence Research e del progetto europeo ELSA – European Lighthouse on Secure and Safe AI. Le simulazioni e i test sono stati realizzati sulle infrastrutture di calcolo ad alte prestazioni del CINECA, tramite il supercomputer LEONARDO.
Il lavoro del VANDAL Lab si colloca tra le ricerche più avanzate in Europa sul fronte dell’efficienza dei modelli di intelligenza artificiale. L’obiettivo a medio termine è integrare questi algoritmi in strumenti di machine learning destinati ad applicazioni pubbliche e industriali, riducendo costi, impatti energetici e dipendenza da infrastrutture centralizzate.