Files

Simon Lübeß 6cefc3f41b Sehr viele Sachen

2026-04-01 13:14:15 +02:00

13 KiB

Raw Blame History

Gliederung Kapitel 4-7 (Methodik, Implementierung, Versuchsaufbau, Ergebnisse)

Leitprinzip

Kapitel	Funktion
4 Methodik	WAS und WARUM (Konzept, Designentscheidungen)
5 Implementierung	WIE (technische Umsetzung, Blender-Details, Code)
6 Versuchsaufbau	Womit und wie getestet (Parameter, Datensatze, Metriken)
7 Ergebnisse	Was rauskam (Daten, unmittelbare Schlussfolgerungen)

Entscheidungen

Augenlid-Inhalt (Problemanalyse + Losung) bleibt komplett in Implementierung, da zu technisch fur Methodik
Methodik beschreibt nur das Gesamtkonzept auf hoherer Ebene, keine Blender-spezifischen Details
Szenenarchitektur (ViewLayer-Umbau) und Augenbrauen/Wimpern sind technische Entscheidungen, gehoren in Implementierung, nicht Methodik
Methodik bekommt einen kurzen Abschnitt "Evaluationslogik" (max 0,5-1 Seite)
Konfigurationskonzept in Methodik abstrakt halten (keine JSON-Details), konkretes Schema nach Implementierung
5.3 (Augenlid + Periorbital) aufteilen in zwei Abschnitte: Augenlid und Periorbitalregion sind eigenstandige Beitrage
Versuchsaufbau bekommt einen Abschnitt "Gemeinsame Auswertungsprinzipien" (allgemein), experiment-spezifische Inferenzstatistik in den jeweiligen Experiment-Abschnitten
Exp 1.1 explizit als faktorielles Design (Pipeline x Blender-Version) rahmen, aber vorsichtig formulieren (keine perfekte kausale Trennung behaupten)
Exp 2 (6.5) intern untergliedern: Datensatzquellen, Trainings-/Validierungssplit, Vorverarbeitung, Metriken (mit Primarmetrik)
5.10 Experimentwerkzeuge: hart priorisieren, UI-Komfortfeatures nur kurz
0X_PerformanceVerbesserung.tex wird aufgelost in drei Ziele (siehe Kap. 5.9, 6.4, 7.2)
Reihenfolge: Methodik -> Implementierung -> Versuchsaufbau -> Ergebnisse

Kapitel 4: Methodik -- Konzeption der parametrisierbaren Augenmodell-Pipeline

Dieses Kapitel beschreibt auf konzeptueller Ebene, WAS gemacht wird und WARUM. Keine Blender-spezifischen Details, keine Code-Details. Bewusst knapp halten: ca. 4-8 Seiten. Bei zu viel Umfang droht Wiederholung von Einleitung (4.1) und Versuchsaufbau (4.4).

4.1 Gesamtkonzept und Anforderungen

Was soll die erweiterte Pipeline leisten: parametrische periorbital Formvariation in HEyes
Anforderungen (abgeleitet aus Forschungsfrage): plausible Augenformen, kompatibel mit bestehender Pipeline, konfigurierbar, randomisierbar, keine inakzeptable Laufzeitverschlechterung
Architekturubersicht: Figur, die den Weg von Config -> zufallige Parameter -> Rendering zeigt, mit Markierung wo die Formvariation eingreift

4.2 Konzept der periorbitalen Formvariation

Warum Shape-Keys als Mechanismus gewahlt wurden (vs. Alternativen: separate Meshes, Skelett-Rigs, prozedurale Generierung)
Grundidee: lineare Kombination von Shape-Keys fur Augenlid-Schliessung + periorbital Formvariation
Kurze Erwahnung: Augenbrauen und Wimpern mussen deformierbar angebunden sein (feste Geometrie ungeeignet), daher haarbasierter Ansatz. Kein eigener Abschnitt, nur kurze Erwahnung im Kontext der Formvariation
Kurze Erwahnung der Herausforderungen (Clipping, Korrektur-Shape-Keys), die in der Implementierung gelost werden
NICHT: die detaillierte technische Problemanalyse (Krummungsruck, Normalen etc.) -- das bleibt in Kap. 5

4.3 Konzept der Parametrisierung und Randomisierung

Abstrakt: Welche Parameter kontrollierbar sind, wie sie randomisiert werden, Rolle der Reproduzierbarkeit
Formulierung auf Methodenebene, z.B.: "Die Formvariation wird uber parametrisierbare Bereiche gesteuert, aus denen pro Bild Zufallswerte gezogen werden. Zur Reproduzierbarkeit konnen identische Zufallsinitialisierungen verwendet werden."
NICHT: JSON-Schema, konkrete Datenstrukturen, Config-Datei-Aufbau (das kommt in 5.7)

4.4 Ubergeordnete Evaluationslogik

Sehr kurz (max 0,5-1 Seite)
Welche ubergeordneten Fragen beantwortet werden sollen
Warum dafur drei Experimente notig sind:
- Exp 1.1: Hat die Erweiterung die Laufzeit verschlechtert?
- Exp 1.2: Wo liegen Bottlenecks, und was bringen gezielte Optimierungen?
- Exp 2: Verbessert die Formvariation die Segmentierung auf echten Daten?
NICHT: konkrete Begrundungen pro Experiment (die stehen in Kap. 6)

Kapitel 5: Implementierung

Technische Umsetzung. Zeigt konkrete Probleme und Losungen. Hier stehen die Blender-Details, Modifier-Einstellungen, Code-Architektur. Ca. 15-20 Seiten.

5.1 Projektstruktur

Kurzer Uberblick (max 0,5-1 Seite): Code-Organisation, Modul-Verantwortlichkeiten
Nur Module, die fur das Verstandnis notig sind. Keine Repository-Fuhrung

5.2 Allgemeine technische Anpassungen

Blender 5 Upgrade (API-Anderungen, Compositing-Graph: eine Output-Node pro Textur) -- wichtigster Punkt
Seed-Konfiguration fur Reproduzierbarkeit -- sinnvoll
Debug-Szenen-Speicherung -- sinnvoll
Type-Annotations -- nur kurz erwahnen als Nebenaspekt

5.3 Umsetzung des Augenlidmodells

Probleme des bisherigen Modells (der bestehende Text aus 3_AugenlidUndHaut.tex): Krummungsruck, Texturkoordinaten-Sprunge, unvollstandige Schliessung, Clipping
Shape-Key-basiertes Augenlid: Zusammenfuhrung in ein Mesh, Catmull-Clark-Subdivision, Shape-Key-Animation
Shrinkwrap Modifier: Lösung des Clipping-Problems, Aufliegen auf dem Auge

5.4 Umsetzung der periorbitalen Formvariation

Modellierte Shape-Keys, Deformationsbereiche
Grenzen der heuristischen Modellierung (sachlich formulieren, siehe Schreibhinweise)
Korrektur-Shape-Keys mit Drivern: welche Kombinationen kollidieren, wie Driver das losen

5.5 Anpassung der Segmentierungsausgabe

Problem: Cryptomatte funktioniert nicht mehr fur Augenlid nach Mesh-Zusammenfuhrung
Erster Versuch: Geometry Nodes -> Vertex-Group-Gewichte -> Shader-Output (umstandlich, unprazise)
Losung: Zweite Haut-Textur (weiss fur Augenlid, schwarz fur Rest), direkt uber Texturkoordinate im Shader

5.6 Augenbrauen und Wimpern

Warum feste Geometrie nicht funktioniert (kurz, Verweis auf Erwahnung in 4.2)
Gescheiterter Versuch mit Hair-Particles
Funktionierender Hair-Modifier-Ansatz: konkrete Umsetzung
Verbleibende Limitierungen und Verbesserungsmoglichkeiten

5.7 Technische Umsetzung der Parametrisierung und Randomisierung

JSON-Schema-Eintrage fur Shape-Keys (das konkrete Schema, das in 4.3 nur abstrakt beschrieben wurde)
min/max-Range-Implementierung
Automatisches Sampling und Anwendung auf die Szene

5.8 Szenenumbau und View-Layer-Architektur

Warum der Umbau notig war (kurze Motivierung)
Technische Schritte: 3 Szenen -> 1 Szene mit 3 ViewLayern
Konkrete Anderungen am Compositing-Graph, Material-Zuweisungen, Render-Einstellungen

5.9 Performance-Optimierungen

Hierhin kommt der Implementierungsteil aus 0X_PerformanceVerbesserung.tex
Luminanz-Caching fur Haut-Textur: was im Code geandert wurde
Compositing-Graph-Wiederverwendung
Anpassung an Sklera-Generierung
NUR die Code-Anderungen, nicht die Profiling-Analyse (die ist in 7.2)

5.10 Implementierung der Experimentwerkzeuge

Benchmark-Runner (Worktree-Setup, Commit-basierte Benchmarks, CSV-Logging) -- wichtig fur Reproduzierbarkeit
Detail-Logging fur Experiment 1.2
Datenextraktions- und Vorbereitungstools -- wichtig fur Datensatzqualitat
Erweiterungen am Parameter-Picker -- nur kurz erwahnen, UI-Komfortfeatures nicht breittreten. Nur Features, die echten Einfluss auf die Luminanz-Kalibrierung hatten, ausfuhrlicher

Kapitel 6: Versuchsaufbau

Beschreibt die konkreten Experimente: warum, womit, wie ausgewertet. Ca. 8-12 Seiten. In Kap. 6 keine Skriptnamen oder Tool-Details (die stehen in 5.10), sondern methodische Beschreibungen (was wurde gefiltert, nach welchen Kriterien).

6.1 Hardware und Testumgebung

Hardware-Specs, Software-Versionen
Gilt fur alle Experimente

6.2 Gemeinsame Auswertungsprinzipien

Wiederholungen / Seeds
Deskriptive Statistik (Lage- und Streuungsmasse)
Reproduzierbarkeit
Allgemeine Prinzipien der statistischen Auswertung
Experiment-spezifische Inferenzstatistik (BCa Bootstrap, Wilcoxon etc.) jeweils in den Experiment-Abschnitten, NICHT hier

6.3 Experiment 1.1: Globaler Laufzeitvergleich

Ziel und Begrundung
Explizit als faktorielles 2x2-Design rahmen:
- Faktor A: Implementierungsstand (Baseline vs. Current)
- Faktor B: Blender-Version (4.5 vs. 5.0)
- Vorsichtig formulieren: "Damit konnen Effekte des Implementierungsstands und der Blender-Version systematisch gegenubergestellt und potenzielle Interaktionen sichtbar gemacht werden." (Keine perfekte kausale Trennung behaupten, da Codepfade nicht perfekt orthogonal.)
Gemessene Timing-Metriken und warum diese
Anzahl Durchlaufe, Bilder pro Durchlauf, Auflosung
Erwartete Ergebnisse / Hypothesen

6.4 Experiment 1.2: Detaillierte Laufzeitanalyse und Optimierungsevaluation

6.4.1 Instrumentierung und gemessene Phasen
- Hierhin kommt die Phasenbeschreibung aus 0X_PerformanceVerbesserung.tex (t_camera, t_tex_init, t_skin_lum, t_sclera etc.)
6.4.2 Auswahl der Optimierungsziele
- Nach welchen Kriterien wurde entschieden, was optimiert wird
6.4.3 Versuchsaufbau des Vorher-Nachher-Vergleichs
- Zwei Konfigurationen: unoptimiert vs. optimiert (beide Blender 5)
- Durchlauf-Parameter

6.5 Experiment 2: YOLO-Training

Ziel und Begrundung: Verbessert periorbital Formvariation die Segmentierung auf echten Daten?
Hypothese
6.5.1 Datensatzquellen
- Synthetische Trainingsdaten: Baseline vs. Current, je 5000 Bilder, Generierungsparameter
- Externer Testdatensatz: 500k-Dataset, Reduktionsverfahren (SSIM + Diversity-Ranking)
- Glasklar machen: Testdatensatz ist komplett separat von den Trainingsdaten
6.5.2 Trainings-/Validierungsaufteilung
- 80/20-Split auf synthetischen Daten, 15 Seeds pro Bedingung
- YOLO-Modell und Trainingsparameter
6.5.3 Vorverarbeitung und Filterung
- Luminanz-Kalibrierung: Workflow, Quantil-basierte Grenzen
- Okklusionsschwelle und Filterungskriterien
6.5.4 Metriken
- Primarmetrik festlegen (z.B. Dice oder IoU) -- methodisch starker als alle Metriken gleichwertig zu berichten
- Sekundarmetriken: geometrische Fehlermasse (Centroid-Error, Ellipsen-Fit-Error)
- Experiment-spezifische Inferenzstatistik (Wilcoxon, BCa Bootstrap CI) hier statt in 6.2

Kapitel 7: Ergebnisse (weitgehend unverandert)

Faustregel: Kap. 7 zeigt, was die Daten zeigen und welche unmittelbaren Schlusse sich ergeben. Kap. 8 (Diskussion) bewertet das wissenschaftlich und zeigt Grenzen auf.

7.1 Experiment 1.1: Untersuchung der Laufzeit

(bereits gut geschrieben)

7.2 Experiment 1.2: Detaillierte Konfigurationszeit-Analyse

Hierhin kommt die Profiling-Analyse aus 0X_PerformanceVerbesserung.tex: Bottleneck-Identifikation, Beurteilung des Optimierungspotenzials
Vorher/Nachher-Vergleich der Optimierungen
Story: Exp 1.1 zeigte hohe Config-Zeit -> detailliertes Profiling -> Bottlenecks identifiziert -> Optimierungen implementiert (Verweis auf 5.9) -> Exp 1.2 misst den Effekt

7.3 Experiment 2: YOLO-Training