
Telecomunicações e Multimédia
Sobre o Centro
O Centro de Telecomunicações e Multimédia (CTM) do INESC TEC integra cerca de 200 colaboradores, incluindo pelo menos uma centena de investigadores integrados com atividade científica nos domínios das comunicações, inteligência artificial e ciências da computação e engenharia.
A atividade do centro organiza-se nas seguintes linhas de Investigação e Desenvolvimento (I&D):
- Comunicações e Eletrónica
- Tecnologias de rádio frequência
- Optoeletrónica
- Microeletrónica
- Redes de comunicações sem fios
- Perceção por computador
- Visão por computador aplicada à Imagem médica
- Visão por computador aplicada aos media digitais
- Áudio por computador aplicado à música
Com equipas multidisciplinares que integram dezenas de doutoramentos, o centro aposta em projetos de investigação europeus e nacionais e em projetos de consultoria com a indústria.
Áreas do Centro

Engenharia de Rádio e Eletrónica
A área de Engenharia de Rádio e Eletrónica tem como objetivo o desenvolvimento de soluções para os sistemas de comunicações, computação e sensorização do futuro, baseando-se em competências em micro-ondas, fotónica integrada, eletrónica digital e analógica e processamento de sinal, com aplicações em comunicações rádio/óticas, sensorização humana e computação embarcada. Neste contexto, a investigação foca-se em três vertentes complementares: o desenvolvimento de antenas e dispositivos reconfiguráveis, explorando arquiteturas heterogéneas e computação neuromórfica para maior eficiência e adaptação às condições de operação; a exploração de abordagens sustentáveis, incluindo antenas e circuitos eletrónicos baseados em impressão 3D e materiais que potenciem a sustentabilidade económica e ambiental; e a integração de comunicações e sensorização multi-modal, combinando rádio e vídeo para potenciar o desempenho e a robustez dos sistemas.

Redes Sem Fios
A WiN (Wireless Networks / Redes Sem Fios) é uma área de investigação focada em I&D em redes de comunicações sem fios, com a visão de ligar todos os objetos e pessoas à Internet mesmo em cenários extremos. A missão da área é o desenvolvimento de sistemas de comunicações autónomos, isto é, inteligentes, autogeridos, escaláveis e com capacidade de perceber o contexto em que operam. Para cumprir esta missão, a nossa investigação é focada nos seguintes principais tópicos: simulação, autoconfiguração, otimização cross-layer, gestão de recursos de rádio, gestão de mobilidade e Digital Twins.

Tecnologias Multimédia e de Comunicações
A MCT (Multimedia Communications Technologies / Tecnologias Multimédia e de Comunicações) desenvolve investigação em tópicos que envolvem a análise de sinais multimodais (video, imagem real e sintética, áudio e texto) para extração inteligente de informação que garanta a otimização e automatização de processos em vários verticais de aplicação. A equipa possui forte experiência em área que incluem visão por computador, sistemas inteligentes e aprendizagem máquina, IA generativa, computação musical, realidade aumentada, recomendação de conteúdos, protocolos e arquiteturas de comunicação multimédia. O leque de conhecimento aplicacional é vasto e inclui a indústria dos media e criativa, a área da segurança e vídeo vigilância, a indústria produtiva e aplicações emergentes como a condução autónoma, visualização inteligente de dados, reconhecimento de emoções e modelos de linguagem.

Visão por Computador e Inteligência Artificial
A área VCMI (Visual Computing and Machine Intelligence / Visão por Computador e Inteligência Artificial) é uma área de investigação focada na aplicação de metodologias de aprendizagem automática às condições desafiantes apresentadas pelos dados visuais. O desenvolvimento de sistemas inteligentes de apoio à decisão baseia-se na compreensão visual dos dados combinada com outros tipos de informação disponíveis, melhorando assim o processo de análise e decisão. Esta área tem como missão dar um forte contributo para a próxima geração de sistemas inteligentes dotando-os da capacidade de raciocínio a partir de diferentes tipos de dados, sejam eles imagem, vídeo ou outros sinais. Realizamos investigação em problemas fundamentais e aplicados em visão por computador, processamento de imagem, aprendizagem automática e sistemas de apoio à decisão ancorados na análise automática de dados. No entanto, seguindo estas principais direções de investigação, o nosso grupo favorece domínios mais específicos, como análise de imagens médicas; biometria e análise de sinais biológicos; monitorização de condutores/passageiros e condução autónoma; e tópicos mais fundamentais de visão computacional como a classificação ordinal.
Membros da Equipa
Coordenação de Centro
Membros da Equipa

Abdul Khan
Bolseiro Investigação

Afonso Dias
Estudante Externo

Alaa Abdellatif
Investigador Sénior

Alexandre Filipe Gorra
Bolseiro Investigação

Alison Michel Fernandes
Estudante Externo

Ana Filipa Rodrigues
Bolseiro Investigação

Ana Filipa Sequeira
Responsável de Área

Ana Sofia Soares
Estudante Externo

André Filipe Coelho
Investigador Auxiliar

Aníbal Ferreira
Investigador Sénior

António Araújo
Investigador Sénior

António Luís Cardoso
Bolseiro Investigação

António Sá Pinto
Investigador Afiliado

Arefeh Mazarei
Estudante Externo

Artur Moura
Investigador Sénior
Publicações Selecionadas
Traffic-aware gateway placement and queue management in flying networks
Coelho, A;Campos, R;Ricardo, M;
2023
AD HOC NETWORKS
Use Cases for Terahertz Communications: An Industrial Perspective
Zugno, T;Ciochina, C;Sambhwani, S;Svedman, P;Pessoa, LM;Chen, B;Lehne, PH;Boban, M;Kürner, T;
2025
IEEE WIRELESS COMMUNICATIONS
Movie trailer genre classification using multimodal pretrained features
Sulun, S;Viana, P;Davies, MEP;
2024
EXPERT SYSTEMS WITH APPLICATIONS
Causal representation learning through higher-level information extraction
Silva, F;Oliveira, HP;Pereira, T;
2025
ACM COMPUTING SURVEYS
Loading Loading Loading Loading
Loading Loading Loading Loading
Loading Loading Loading Loading
Loading Loading Loading Loading
Loading Loading Loading Loading
Loading Loading Loading Loading
Loading Loading Loading Loading
Loading Loading Loading Loading
Loading Loading Loading Loading
Loading Loading Loading Loading
Notícias e Eventos
Loading Loading Loading Loading Loading Loading Loading Loading Loading
Loading Loading Loading Loading Loading Loading Loading Loading Loading
Loading Loading Loading Loading Loading Loading Loading Loading Loading
Loading Loading Loading Loading Loading Loading Loading Loading Loading
Loading Loading Loading Loading Loading Loading Loading Loading Loading
Loading Loading Loading Loading Loading Loading Loading Loading Loading
Loading Loading Loading Loading Loading Loading Loading Loading Loading
Loading Loading Loading Loading Loading Loading Loading Loading Loading
Loading Loading Loading Loading Loading Loading Loading Loading Loading
Teses Orientadas
Machine Learning Applied to Fall Prediction and Detection Using Wearable Sensors
Joana Raquel Cerqueira da Silva
D - 2019
UP-FEUP
Video Based tracking for 3D Scene Analysis
Américo José Rodrigues Pereira
D - 2019
UP-FEUP
Unconstrained Human Pose Estimation to Support Breast Cancer Survivor's Prospective Surveillance
João Pedro da Silva Monteiro
D - 2019
UP-FEUP
A Deep Learning-based Radio-Pathomics Approach for Breast Tumor Signature
Sara Isabel Pires de Oliveira
D - 2019
UP-FEUP
Contacte-nos
Entre em contacto connosco. Responderemos assim que nos for possível.




