Masterarbeit-Obsidian-Vault/Prewrite/2. Grundlagen - Schreibplan.md

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 = 2TP / (2TP + 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.