# Grundlagen-Kapitel: Schreibplan ## Kontext Kapitel 5 (Implementierung), 6 (Versuchsaufbau) und 7 (Auswertung) verwenden zahlreiche Konzepte, die im Grundlagen-Kapitel (Kap. 2) nicht oder nur als Stubs erklärt werden. Dieser Plan definiert die finale Kapitelstruktur, den Inhalt pro Abschnitt und die nötige Recherche. **Datei:** `MasterLatex/content/02_Grundlagen.tex` **Zielumfang:** ~11-12 Seiten (mit Abbildungen evtl. 12-13) --- ## Ist-Zustand **Gut abgedeckt:** Oberflächendarstellungen (parametrisch/implizit), Koordinatensystem, View-Layer, Compositor, Cryptomatte, AOV **Stubs/leer:** Blender-Intro (3 Sätze), Meshes (TODO), Catmull-Clark (leer), Shape-Keys (fast leer), Wilcoxon (leer), IoU (leer), Dice (leer), TP/FP/FN/TN (nur Aufzählung), Section 2.2 hat Platzhaltertitel **Komplett fehlend:** Augenanatomie, Rendering-Konzept, Materialien/Shader, UV-Mapping, Modifier-Stack, bpy-API, Neuronale Netze, YOLO, Train/Val/Test-Split, BCa-Bootstrap --- ## Finale Kapitelstruktur ### 2.1 Anatomie des Auges und der Periorbitalregion [NEU] #### 2.1.1 Grundaufbau des Auges (~3/4 Seite mit Abbildung) - Pupille, Iris, Sklera, Kornea definieren, beschriftete Querschnittzeichnung - Erwähnen, wie diese Strukturen in Infrarotbildern erscheinen (Pupille dunkel, Iris texturiert, Sklera hell, Kornea erzeugt Glints) - KEINE ophthalmologische Tiefe (kein Kammerwasser, keine Retina etc.) #### 2.1.2 Augenlid und Periorbitalregion (~3/4 Seite mit Abbildung) - Periorbitalregion, Lidspalte, medialer Kanthus (Endokanthion), lateraler Kanthus (Exokanthion) definieren - Relevante morphologische Merkmale rein anatomisch einführen (OHNE Bezug zu Shape-Keys -- die Zuordnung zur Modellierung erfolgt erst in Kap. 5.4): - **Epikanthusfalte**: Hautfalte am medialen Kanthus - **Supratarsalfalte / Oberlidfalte**: Horizontale Falte im Oberlid - **Lidptosis**: Herabhängen des Oberlids - Beschreibend und visuell, 1-2 Abbildungen mit beschrifteten Strukturen - Population-Level-Variation gehört NICHT hierher (ist in Kap. 3.4) #### 2.1.3 Koordinatensystem und medizinische Richtungsbezeichnungen (VERSCHIEBEN aus aktuellem 2.2.1) - Bestehender Inhalt (superior/inferior/anterior/posterior/mediolateral) ist gut - Blender-Achsenzuordnung auf kurze Anmerkung kürzen - Modellraum-Beispiele (Person, Flugzeug) streichen oder auf 2 Sätze kürzen - **Offene Entscheidung:** NUR behalten, wenn die Terminologie in Kap. 5 auch tatsächlich aktiv genutzt wird (relevantes Kapitel ist noch nicht fertig). Falls dort nur alltagssprachlich/Blender-orientiert formuliert wird, auf 3 Sätze schrumpfen oder ganz streichen. --- ### 2.2 Computergrafik [UMSTRUKTURIERT] #### 2.2.1 Rendering [NEU] (~1/3 Seite) - Was Rendering ist: Berechnung eines 2D-Bildes aus 3D-Szene - Zwei Ansätze kurz benennen: Path Tracing vs. Rasterisierung - Blender: Cycles (Path Tracer) und Eevee (Rasterisierer). Diese Arbeit nutzt Eevee. #### 2.2.2 Oberflächendarstellungen (BEHALTEN, STARK KÜRZEN auf ~1/2 Seite) - Parametrisch vs. implizit: Kernaussage behalten (komplementäre Stärken/Schwächen) - Einheitskreis-Beispiele auf je 2-3 Sätze eindampfen - Überleitung zu Meshes als praktischer Kompromiss - **Erster Kürzungskandidat** falls Kapitel zu lang wird #### 2.2.3 Polygon-Meshes (FIXEN) (~1/2 Seite) - Vertex, Edge, Face/Polygon definieren - Quad-dominante vs. irreguläre Topologie erwähnen (relevant für Catmull-Clark) - Eine Abbildung: Drahtgitter + gerendertes Gegenstück #### 2.2.4 Subdivision Surfaces und Catmull-Clark (FIXEN -- aktuell leer) (~1/2 Seite) - Kernidee: grobes Kontrollnetz -> rekursiv unterteilen und glätten -> glatte Grenzfläche - Quad-Topologie -> C2-stetig, irreguläre Vertices nur C1 - **Edge Creases**: scharfe Kanten trotz Subdivision - KEINE mathematische Herleitung, nur Konzept + Abbildung #### 2.2.5 Shape-Keys (Morph-Targets) (FIXEN) (~1/2 Seite) - Pro-Vertex-Positionsoffsets relativ zur Basis, Blending über skalaren Gewichtsfaktor (0-1), additiv kombinierbar - Zentrale Einschränkung: lineare Interpolation folgt keinen gekrümmten Oberflächen - Eine Abbildung: Basis -> deformiert -> Zwischenstufe #### 2.2.6 UV-Mapping [NEU] (~1/3 Seite) - 2D-Abwicklung einer 3D-Oberfläche, Korrespondenz Oberfläche <-> Texturkoordinate - Eine Abbildung: 3D-Mesh + UV-Layout --- ### 2.3 Blender [VERSCHLANKT] #### 2.3.1 Überblick (~1/3 Seite) - Open-Source 3D-Suite. Relevante Fähigkeiten: Modellierung, Materialien, Rendering (Cycles/Eevee), Compositing - Materialien: Definieren Oberflächenaussehen, werden in Blender über ein node-basiertes Shadersystem erstellt (1 Satz, keine eigene Subsection) - Headless-Modus über Kommandozeile, Python-API (bpy) für programmatische Steuerung - Modifier-Stack: nicht-destruktive Operationen in definierter Reihenfolge (Top-to-Bottom), Reihenfolge entscheidend - bpy, Modifier-Stack und Materialien als Absätze innerhalb des Überblicks, KEINE eigenen Subsections #### 2.3.2 View-Layer (BEHALTEN -- existierender Text ist gut) #### 2.3.3 Compositor (BEHALTEN -- existierender Text ist gut) #### 2.3.4 Cryptomatte (BEHALTEN -- knapp halten) - Wird in Kap. 5.7 an 4+ Stellen referenziert, dort ist der Kontrast Cryptomatte vs. AOV zentral #### 2.3.5 Arbitrary Output Variables (BEHALTEN -- knapp halten) - Wird in Kap. 5.7 an 5+ Stellen referenziert, zentrale Lösung für Augenlid-Maske --- ### 2.4 Bildsegmentierung mit Deep Learning [NEU] #### 2.4.1 Convolutional Neural Networks (~1/2 Seite) - Allgemeine NN nur in 2-3 Sätzen (Schichten, Gewichte, Training) - Fokus auf CNNs: Faltungsschichten für räumliche Merkmale, Pooling, Feature-Hierarchien - High-Level, keine Backpropagation-Herleitung #### 2.4.2 Bildsegmentierung und Objekterkennung (~3/4 Seite) - Was ist Bildsegmentierung: pro Pixel eine Klassenzuweisung - Semantische vs. Instanzsegmentierung (kurz unterscheiden) - YOLO als Vertreter der Single-Shot-Detektoren: Grundidee (ein Forward-Pass für Detektion + Segmentierung) - Quelle: Redmon et al. 2016 (Originalpaper) für YOLO als Konzept - Konkrete Modellvariante (YOLO26) und Bibliothek (Ultralytics) erst in Kap. 6, dort offizielle Ultralytics-Software-Zitation - KEINE Details zu Architekturinterna (FPN, Anchor-Free etc.) - Fokus auf Segmentierung als Hauptthema, Objekterkennung nur so weit wie für YOLO-Verständnis nötig - Bewusst kürzer als Remiorz/Kleipsties (6-7 S. NN/CNN), weil Fokus hier auf Rendering-Pipeline, nicht ML-Architekturvergleich #### 2.4.3 Training, Validierung und Test (~1/3 Seite) - Dreiteilung und jeweiligen Zweck erklären - Seed-Wiederholungen gehören in Kap. 6, hier höchstens ein Nebensatz --- ### 2.5 Evaluationsmetriken [FIXEN] #### 2.5.1 Pixelbasierte Grundbegriffe (TP, FP, FN, TN) (~1/3 Seite) - Im Kontext binärer Segmentierungsmasken definieren - TN der Vollständigkeit halber erwähnen, aber nicht überbetonen -- für IoU und Dice irrelevant - Warum Accuracy bei Klassenungleichgewicht irreführend ist -> motiviert IoU/Dice #### 2.5.2 Intersection over Union (IoU) (~1/4 Seite) - Formel: IoU = TP / (TP + FP + FN), kurze Erklärung #### 2.5.3 Dice-Koeffizient (~1/4 Seite) - Formel: Dice = 2*TP / (2*TP + FP + FN) - Monotone Beziehung zu IoU: Dice = 2*IoU / (1+IoU) #### 2.5.4 Wilcoxon-Vorzeichen-Rang-Test (~1/3 Seite) - Nichtparametrischer Test für gepaarte Stichproben - Testet ob Median der Paardifferenzen null ist, setzt keine Normalverteilung voraus - Nullhypothese und was ein signifikanter p-Wert bedeutet #### 2.5.5 Bootstrap-Konfidenzintervalle (BCa) (~1/4 Seite) - Resampling mit Zurücklegen zur Schätzung der Stichprobenverteilung - BCa korrigiert für Bias und Schiefe - Interpretation (KI enthält 0 nicht -> signifikant) gehört in Kap. 7, nicht hierher --- ## Übergänge zwischen den Blöcken Saubere Übergänge verhindern, dass das Kapitel wie ein Sammelbecken wirkt: - **2.1 -> 2.2**: Die anatomischen Strukturen müssen geometrisch und visuell modelliert werden - **2.3 -> 2.4**: Die synthetisch erzeugten Bilder dienen als Trainingsdaten für Segmentierungsmodelle - **2.4 -> 2.5**: Diese Modelle müssen mit geeigneten Metriken bewertet werden --- ## Was NICHT ins Grundlagen-Kapitel gehört | Thema | Grund | Wo stattdessen | |---|---|---| | SSIM | Nur in Frame-Extraktion, dort inline erklärt | Kap. 6 | | Konturextraktion, Binärmask-Ops | Implementierungsdetail | Kap. 5 inline | | sRGB/Linear, Luminanz | Implementierungsdetail | Kap. 5 inline | | Anti-Aliasing/TAA | Bereits inline in Kap. 5.7.3 erklärt | Kap. 5 | | mAP | Wird nicht verwendet | Streichen | | Precision, Recall, Accuracy | Nicht als Metrik genutzt | Streichen | | Hair-System, Shrinkwrap, Vertex Groups | Zu Blender-spezifisch | Kap. 5 inline | | Parent-Child, Texture Paint, Shader-Nodes | Implementierungsdetail | Kap. 5 inline | | Sim-to-Real / Transfer Learning | Bereits in Related Work | Kap. 3.3 | | Population-Level-Variation | Bereits in Related Work | Kap. 3.4 | | Konkrete YOLO-Variante (YOLOv8n-seg) | Methodische Wahl, nicht Grundlage | Kap. 6 | | Shape-Key-Namen (ECF, STF etc.) | Modellierungsentscheidung | Kap. 5.4 | --- ## Prioritäten 1. **KRITISCH** -- Anatomie (2.1): Ohne das versteht der Leser nicht, was modelliert wird 2. **HOCH** -- ML/Segmentierung (2.4): Ohne das ist Experiment 2 unverständlich 3. **HOCH** -- Evaluationsmetriken (2.5): IoU, Dice, Wilcoxon, BCa sind alle Stubs 4. **HOCH** -- Shape-Keys (2.2.5): Zentraler Mechanismus der gesamten Implementierung 5. **MITTEL** -- Catmull-Clark (2.2.4): Nötig für Subdivision + Creases 6. **MITTEL** -- Rendering (2.2.1), UV-Mapping (2.2.6) 7. **NIEDRIG** -- Oberflächendarstellungen kürzen (2.2.2), Meshes fixen (2.2.3), Blender-Intro (2.3.1) --- ## Geschätzter Gesamtumfang | Abschnitt | Seiten | |---|---| | 2.1 Anatomie | ~2 | | 2.2 Computergrafik | ~3,5 | | 2.3 Blender | ~2,5 | | 2.4 Bildsegmentierung | ~1,5 | | 2.5 Evaluationsmetriken | ~1,5 | | **Gesamt** | **~11-12** | --- --- # Recherche-Aufteilung ## Deep Research 1: Augenanatomie und Periorbitalregion (extern) **Warum extern:** Medizinisches Fachwissen, braucht verlässliche Lehrbuchquellen. Falsche Terminologie oder ungenaue Definitionen wären in einer Masterarbeit problematisch. **Was recherchiert werden soll:** - Standardwerke/Lehrbücher für die Grundanatomie des Auges (Pupille, Iris, Sklera, Kornea) -- es reicht ein Anatomie-Lehrbuch oder Augenheilkunde-Standardwerk - Fachbegriffe der Periorbitalregion: Lidspalte (Palpebral Fissure), Endokanthion, Exokanthion -- korrekte Definitionen und zitierbare Quellen - Morphologische Merkmale: - Epikanthusfalte: korrekte anatomische Definition, Standardquelle - Supratarsalfalte / Oberlidfalte (Lid Crease vs. Lid Fold): Terminologie ist in der Literatur nicht immer einheitlich -- klären was der korrekte Begriff ist - Lidptosis / Blepharoptosis: Definition, Abgrenzung - Wie das Auge in Infrarotbildern erscheint (Pupille dunkel, Iris texturiert etc.) -- evtl. aus Eye-Tracking-Literatur statt reiner Anatomie - **Nicht nötig:** Ophthalmologische Tiefe (Kammerwasser, Retina, Sehnerv etc.), populationsbezogene Variationsstatistiken (ist schon in Related Work) **Gewünschtes Ergebnis:** Pro Konzept 1-2 zitierbare Quellen (Lehrbuch oder Paper), korrekte deutsche und englische Fachbegriffe, kurze Definition --- ## Deep Research 2: Computergrafik-Grundlagen (extern) **Warum extern:** Originalpaper und Lehrbuchquellen für mathematisch fundierte Konzepte. **Was recherchiert werden soll:** - **Catmull-Clark Subdivision Surfaces**: Originalpaper (Catmull & Clark, 1978), evtl. ein CG-Lehrbuch das Subdivision Surfaces gut erklärt. Insbesondere: C2-Stetigkeit bei regulären Vertices, C1 bei irregulären, Konzept von Edge Creases - **Shape-Keys / Morph Targets / Blend Shapes**: Zitierbare Quelle für das Konzept (CG-Lehrbuch oder Seminal Paper). Der Begriff "Shape Key" ist Blender-spezifisch, "Morph Target" oder "Blend Shape" ist der allgemeinere Fachbegriff - **Rendering-Grundlagen**: Ein CG-Standardlehrbuch als Quelle für die Unterscheidung Path Tracing vs. Rasterisierung (z.B. Pharr/Humphreys "Physically Based Rendering", Hughes et al. "Computer Graphics: Principles and Practice", oder Akenine-Möller et al. "Real-Time Rendering") - **UV-Mapping**: Zitierbare Lehrbuchquelle - **Polygon-Meshes**: Lehrbuchquelle für Vertex/Edge/Face, Mesh-Topologie - **Oberflächendarstellungen** (parametrisch vs. implizit): Die Quellen fehlen laut TODOs im bestehenden Text **Gewünschtes Ergebnis:** Pro Konzept 1-2 Standardquellen (Lehrbuch oder Originalpaper), korrekte Fachbegriffe --- ## Deep Research 3: Statistische Methoden (extern) **Warum extern:** Wilcoxon und BCa-Bootstrap werden in keiner der Peer-Masterarbeiten (Remiorz, Kleipsties, Kaminski) behandelt. Diese Arbeit geht statistisch tiefer, daher sind korrekte Lehrbuchquellen und Formulierungshilfe nötig. **Was recherchiert werden soll:** - **Wilcoxon-Vorzeichen-Rang-Test**: Statistik-Lehrbuch als Quelle, korrekte Formulierung der Nullhypothese, wann anwendbar - **BCa-Bootstrap-Konfidenzintervalle**: Efron & Tibshirani als Standardquelle, evtl. Efron 1987 **Gewünschtes Ergebnis:** Pro Methode korrekte Referenz(en), kurze Formulierungshilfe für die Erklärung --- ## Was ich (Claude Code) selbst machen kann Diese Teile brauchen keine externe Recherche: - **YOLO-Quellen**: Redmon et al. 2016 ("You Only Look Once") für Kap. 2 als Konzept. Offizielle Ultralytics-Software-Zitation/Doku für YOLO26 in Kap. 6. Keine weiteren YOLO-Paper nötig (Peer-Arbeiten gehen auch nicht tiefer). - **CNN-Quellen**: Goodfellow et al. "Deep Learning" (2016) als Lehrbuch, LeCun et al. als Klassiker. Standardreferenzen. - **Segmentierung**: Garcia-Garcia et al. 2017 ist schon in der Bibliographie. Prüfen ob das reicht. - **IoU/Dice**: Taha & Hanbury 2015 ist schon in der Bibliographie. Evtl. Dice 1945 / Jaccard 1912 als Originale ergänzen. - **Train/Val/Test-Split**: Goodfellow et al. "Deep Learning" als Standardreferenz. - **Blender-Abschnitte (2.3)**: Offizielle Blender-Dokumentation als Quelle reicht. - **Cryptomatte**: Psyop GitHub/Paper ist die Originalquelle. - **Textuelle Überarbeitung**: Kürzen, umstrukturieren, TODOs auflösen. - **Prüfen welche Quellen schon in `referenzen.bib` vorhanden sind.** --- ## Vergleich mit Peer-Masterarbeiten Erkenntnisse aus Remiorz 2025, Kleipsties 2025 und Kaminski 2025: | | Remiorz | Kleipsties | Kaminski | **Unser Plan** | |---|---|---|---|---| | NN/CNN | 6 S. | 7 S. | 0 | ~1/2 S. (bewusst kürzer, anderer Fokus) | | YOLO | ~1/2-1 S. | ~2 S. (pragmatisch) | ~2 S. (Black-Box) | ~3/4 S. | | Metriken | 2-3 S. in Grundlagen | 1,5 S. in Methodik | 0 | ~1 S. in Grundlagen | | Statistik | 0 | 0 | 0 | ~2/3 S. (einzige Arbeit mit Wilcoxon+BCa) | | Gesamt Grundlagen | ~18 S. | ~18 S. | ~15 S. | **~11-12 S.** |