Grundlegenden Aufbau der Arbeit geplant

Prewrite/Genereller Maßstab.md

@@ -0,0 +1,66 @@
+# Plan:
+https://docs.google.com/spreadsheets/d/1y17dqZGHrzOrMXtfsVI_F3kI5vPkJVCvuprvxPj-Lt0/edit?gid=0#gid=0
+Vorgabe: um die 100 Seiten.
+
+## Abstract deutsch/englisch (je 1 Seite, also 2)
+**Am Ende** ggf. von Gibbidy machen lassen 
+# 1. Einleitung
+(einziges Kapitel ohne Zusammenfassung)
+## 1.1 Motivation und Problemstellung (ca. 1 Seite)
+- Gehirnerschütterung anhand von Pupillenreflexen erkennen
+- Schwierigkeiten dabei
+- Warum ist es wichtig, verschiedene Augenformen zu modellieren (Ethnischer Bias, etc.)
+## 1.2 Zielsetzung der Arbeit (ca. 1 Seite)
+- Zentral: modellieren von verschiedenen Merkmalen der Periorbitalregion
+- Forschungsfragen:
+	- Die zentrale Forschungsfrage ist dabei: Verbessert das Modellieren von verschiedenen Augenformen die Erkennung durch neuronale Netze auf echten Datensätze?
+- Hypothesen:
+	- Die Modellierung verschiedener Augenformen trägt nicht zur Verringerung der Domain-Gap bei und verbessert die Detektion nicht (weil z. B. LEyes sehr gut funktioniert)
+	- Irgendwie reinbekommen (weil nicht wirklich die Frage gewesen): Der Laufzeit der Generierungspipeline lässt sich verbessern
+## 1.3 Aufbau der Arbeit (ca. 1 Seite)
+**Am Ende** ggf. von Gibbidy machen Lassen
+# 2. Grundlagen (15 - 30% der Arbeit, 15 - 20 Seiten)
+- Blender
+- Shape-Keys
+- Subdivision Surface
+- Medizinische Grundlagen
+	- Muskeln,
+	- Knochen,
+	- anderer Kram, der Einfluss auf das Gedöns hat
+- Vielleicht kurz Anreißen:
+	- synthetische Datengenerierung, Eye-Tracking, Segmentierung, Blender-relevante Begriffe.
+# 3. Stand der Forschung (5 bis 17,5%, 4 bis 13 Seiten)
+# 4. Methodik (Gibbidys Idee: Konzeption der parametrisierbaren Augenmodell-Pipeline)
+# 5. Implementierung
+1. Projektstruktur
+	- Wie ist der Code organisiert, also Hauptordner, Ordner für Experimente, etc.
+2. Blender Kram:
+	1. Augenlid
+		1. Bisherige Implementierung
+		2. Neue Implementierung
+	2. Wimpern / Augenbrauen
+		1. Bisherige Implementierung
+		2. Neue Implementierung
+	3. Gesichts-Shape-Keys
+3. Beispielausgaben
+# 6. Versuchsaufbau
+1. Experiment 1: Untersuchung der Laufzeit
+2. Experiment 2: Training der Yolo-Modelle
+3. Hardware
+# 7. Versuchsergebnisse und Analyse (8 - 30%, 4* bis 28 Seiten)
+*nicht ganz Fair, weil die bei Jan im Kapitel, das die Experimente erklärt mit drin sind, also eher 8 Seiten
+1. Experiment 1: Untersuchung der Laufzeit
+2. Experiment 2: Training der Yolo-Modelle
+3. Zusammenfassung der Ergebnisse
+# 8. Abschluss / Diskussion (4%, 2 bis 4 Seiten)
+1. Diskussion der Ergebnisse im Hinblick der Forschungsfragen und Hypothesen / Zentrale Erkenntnisse / Zusammenfassung
+2. ggf. Limitationen der Arbeit
+	- z. B., dass das Yolo-Training nicht sehr ausführlich war
+3. Fazit
+4. Ausblick / Future Work
+	- Für die Modellierung:
+		- Face-Scans versuchen?
+		- doch PCAs versuchen?
+		- Generative Ansätze mit NNs ausprobieren?
+	- Für Performance:
+		- Statt Texturen auf der CPU erzeugen, diese per Shader in Blender direkt machen