Masterarbeit-Obsidian-Vault/fact_check_report.md

Fact-Check: Kapitel 3 -- Stand der Forschung

Systematische Satz-fuer-Satz-Pruefung aller zitierten und unzitierten Aussagen.

Legende:

• BESTAETIGT = Aussage durch Paper gedeckt
• TEILWEISE = Kernaussage korrekt, aber Nuancen/Details weichen ab
• NICHT GEFUNDEN = Aussage im zitierten Paper nicht auffindbar
• FALSCH = Aussage widerspricht dem Paper

---

Sektion 3.1: Synthetische Datengenerierung fuer Eye-Tracking

Zitierte Saetze

Swirski und Dodgson (2014) -- swirskiRenderingSyntheticGround2014

Aussage im Text	Befund	Details
"als Erste physikalisch basiertes Rendering zur Erzeugung synthetischer Augenbilder fuer die Eye-Tracker-Evaluation einsetzten"	TEILWEISE	Paper impliziert Erstmaligkeit durch Positionierung gegenueber Vorarbeiten (Bohme, Morimoto), sagt aber nicht explizit "first"
"Blenders Cycles-Path-Tracer mit einem einzelnen, oeffentlich verfuegbaren Kopfmodell"	BESTAETIGT	"we use Blender [...] GPU implementation of path-tracing"; Modell: "existing public domain head model [Holmberg 2012]" von blendswap.com
"Hornhautbrechung, einstellbare LED-Glints sowie Lid- und Pupillenvariation"	BESTAETIGT	"improved the realism of the cornea, complete with refraction and glints"; LED-Lichter als direktionale Kugeln; "control of the position of the eyes, the eyelids, the radius of the pupil"
"Pupillenkontur-Ellipsen, Glint-Positionen und Blickvektoren"	BESTAETIGT	"ground truth image coordinates for the pupil contour and glints"; "3D gaze vectors, eyeball centre"
"Generierung eines Bildes unter einer Minute"	BESTAETIGT	"no image in this paper took longer to render than one minute"
"nur ein Kopfmodell einer hellhaeutigen maennlichen Person"	BESTAETIGT	"our model is limited to one head shape, with the facial structure of a white male"
"Hornhaut nur als Sphaere modelliert"	BESTAETIGT	"we use a perfectly spherical cornea, while a real cornea is slightly ellipsoidal"
"keine Simulation des Bright-Pupil-Effekts"	BESTAETIGT	"We also do not model the inside of the eye, and therefore cannot synthesise bright-pupil images"

Qian et al. (2025) -- qianWhyWeNeed2025

Aussage im Text	Befund	Details
"begrenzte Verfuegbarkeit realer Augenaufnahmen unter vollstaendig standardisierten Bedingungen"	BESTAETIGT	Paper dokumentiert Mangel an Standardisierung bei Eyetracking-Daten
"hohe manuelle Annotierungsaufwand fuer pixelgenaue Segmentierungen und Landmarks"	NICHT GEFUNDEN	Qian et al. behandelt synthetische Augenbewegungssignale (Gaze Traces), NICHT Augenbilder. Annotationsaufwand fuer Bildsegmentierung wird nicht diskutiert. ❌
"datenschutzrechtliche Einschraenkungen bei sensiblen Probandengruppen"	BESTAETIGT	"Privacy concerns [...] eye movement traces can reveal sensitive personal biometric and cognitive information, leading to legal restrictions under frameworks like GDPR"

Handlungsbedarf: Qian et al. ist ein Paper ueber synthetische Augenbewegungsdaten, nicht ueber Augenbilder. Der Annotationsaufwand-Claim braucht eine andere oder zusaetzliche Quelle (z.B. Garbin/OpenEDS 2019, Nair/RIT-Eyes 2020).

Bao et al. / GazeGene (2025) -- baoGazeGeneLargescaleSynthetic2025a

Aussage im Text	Befund	Details
"Millionen perfekt annotierter Bilder erzeugen"	BESTAETIGT	"over 1 million full-face images" mit "accurate gaze annotations" + "3D annotations of vital eye structures"
"exakte Position des Augapfelzentrums"	BESTAETIGT	"eyeball center, eyeball radius, eyeball mesh, pupil, iris"
"Geometrie der visuellen Achse"	BESTAETIGT	"optical axis, visual axis [...] GazeGene is the first large scale remote gaze dataset providing such labels"

SynthesEyes -- woodRenderingEyesEyeShape2015

Aussage im Text	Befund	Details
"zehn hochaufloesende 3D-Kopfscans"	BESTAETIGT	10 Modelle (f1-f5, m1-m5), "10K diffuse color textures, 0.1mm resolution geometry" (Sec. 3.2)
"physikalisch basierten Materialien und HDR-Umgebungsbeleuchtung in Blenders Cycles-Path-Tracer"	BESTAETIGT	Sec. 3.3: "physically-based materials, including subsurface scattering"; Sec. 4.2: "high dynamic range panoramic images"; Sec. 4.4: "Blender's inbuilt Cycles path-tracing engine"
"Randomisierung: Blickrichtung, Kopfpose, Irisfarbe, Skleratoenung, Pupillendilatation, Lidpose, vier HDR-Umgebungen mit Rotation und Intensitaetsskalierung"	BESTAETIGT	Alle Elemente einzeln im Paper belegt
"28 Eye-Region-Landmarks in 2D und 3D"	BESTAETIGT	"28 landmarks, corresponding to the eyelids (12), iris boundary (8), and pupil boundary (8)" (Sec. 4.3)
"Blickvektoren"	BESTAETIGT	Gaze vectors als Labels bestaetigt
"Kopfpose-Matrizen"	TEILWEISE	Paper beschreibt Kopfpose ueber Kugelkoordinaten (theta, phi) bei der Kamerapositionierung. Der Begriff "Kopfpose-Matrizen" als expliziter Output-Label wird nicht verwendet.❌
"Renderzeit von etwa 5,26 Sekunden pro Bild"	BESTAETIGT	"Each 120x80px rendering took 5.26s on average using a commodity GPU (Nvidia GTX660)" (Sec. 4.4)
"fehlende Modellierung von Brillen"	BESTAETIGT	Fig. 10: "failure cases, including [...] glasses"
"fehlende Modellierung von Make-up"	NICHT GEFUNDEN	Make-up wird im Paper weder als modelliert noch als fehlend erwaehnt
"fehlende Modellierung von Gesichtsdeformationen"	BESTAETIGT	"our models do not exhibit emotion-related shape deformation" (Sec. 5.1)
"gezielt synthetisierte Daten ein vergleichbares reales Cross-Dataset-Subset signifikant uebertrafen"	BESTAETIGT	"statistically significant performance improvement over the UT dataset of 0.74 degrees (Wilcoxon signed-rank test: p < 0.0001)" (Sec. 5.2)
"Training mit bestimmten Augenmodellen zu deutlich schlechterer Generalisierung [...] Unterschiede in Hautton und Augenform"	BESTAETIGT	"training with certain eye models lead to poor generalization [...] perhaps due to differences in skin-tone and eye-shape" (Sec. 5.2). Hinweis: Paper sagt "perhaps", Thesis formuliert es als gesicherte Attribution.❌

Zahlen zur manuellen Pruefung

Zahl im Text	Wert im Paper	Fundstelle
10 Kopfscans	10 (f1-f5, m1-m5)	Sec. 3.2, Fig. 3
28 Landmarks	28 (12 + 8 + 8)	Sec. 4.3
~5,26 Sekunden/Bild	5.26s on average	Sec. 4.4

UnityEyes -- woodLearningAppearancebasedGaze2016a

Aussage im Text	Befund	Details
"drei zentrale Engpaesse: langsame Rendergeschwindigkeit, begrenzte Identitaetsvariation, aufwendiges manuelles Rigging"	BESTAETIGT	Intro: "limited appearance variation from only ten separate participant models", "manual animation for each participant", "renderer was not real-time"
"Renderzeit von 23 ms pro Bild (davon 3,6 ms reines Rendering, der Rest I/O)"	BESTAETIGT	"400 x 300px images at 23ms/image [...] image rendering itself takes only 3.6ms"
"Faktor 200 schneller als SynthesEyes"	BESTAETIGT	"a 200x speedup"
"Ueber eine Million Bilder in weniger als zwoelf Stunden"	BESTAETIGT	"over a million training images in less than 12 hours"
"PCA-basiertes generatives Morphable Model der Augenregion"	BESTAETIGT	"linear model M_s using principal component analysis (PCA)" (Sec. 4)
"Zwanzig Kopfscans in einheitliche Topologie"	BESTAETIGT	"20 scans (5 female)"; "registered eye regions of varying shape with a single generic eye region topology"
"Lidanimation prozedural realisiert"	BESTAETIGT	"procedural methods for eyelid movement"; "avoiding manual animation"
"vereinfachte Echtzeit-Shader approximierten Refraktion durch die Hornhaut"	BESTAETIGT	"physically correct refractive effects using a fragment shader"; "pre-integrated skin shader"
"Randomisierung: Augenregionsform, Hauttexturen, Iristexturen, Pupillengroesse, Blickrichtung, Kopfpose, 20 HDR-Umgebungen"	BESTAETIGT	Alle Elemente einzeln belegt
"marginal bessere Blickrichtungsschaetzung auf MPIIGaze als SynthesEyes"	BESTAETIGT	9.95 vs. 10.09 Grad (k-NN); statistisch signifikant (p < 0.001)
"Datensatzgroesse und Formdiversitaet die geringere Renderqualitaet kompensierten"	TEILWEISE	Ergebnisverbesserung ist belegt. Die kausale Erklaerung (Groesse+Diversitaet kompensiert Qualitaet) ist die Interpretation des Thesis-Autors, nicht ein explizites Statement im Paper.❌
"ohne das Morphable-Eye-Region-Modell geringfuegig schlechtere Ergebnisse"	BESTAETIGT	"0.456 vs 0.477 [...] 9.95 vs 10.62 [...] statistically significant (p < 0.001)"

Zahlen zur manuellen Pruefung

Zahl im Text	Wert im Paper	Fundstelle
23 ms/Bild	23ms/image	Rendering section
3,6 ms reines Rendering	3.6ms	Rendering section
Faktor 200	200x speedup	Rendering section
>1 Mio. Bilder in <12h	"over a million [...] less than 12 hours"	Rendering section
20 Kopfscans	"20 scans (5 female)"	Sec. 4
20 HDR-Umgebungen	"20 HDR panoramic photographs"	Sec. 5

UnityEyes Website -- UnityEyesWebsite

Aussage im Text	Befund	Details
"Labels: 2D-Landmarks, Blickvektor, Kopfpose, Pupillen-/Irisgroesse"	BESTAETIGT	Tutorial-Seite listet interior_margin_2d, caruncle_2d, iris_2d, look_vec, head_pose, pupil_size, iris_size
"PCA-Parameter nicht als klar interpretierbare, unabhaengig steuerbare Regler fuer einzelne Augenformmerkmale"	TEILWEISE	Website nennt nur "Shape PCA details" ohne Erlaeuterung. Die Interpretations-Aussage ist analytisch korrekt aber wird besser dem Paper wood3DMorphableEye2016 zugeschrieben.❌

Hinweis: Der Citation-Key in Zotero ist UnityEyes, nicht UnityEyesWebsite. In der Forschungsluecke wird UnityEyesWebsize (Tippfehler?) verwendet.

NVGaze -- kimNVGazeAnatomicallyInformedDataset2019

Aussage im Text	Befund	Details
"erstmals die Abweichung zwischen visueller und pupillaerer Achse"	TEILWEISE	Paper modelliert die ~5-Grad-Disparitaet, behauptet aber nicht explizit "erstmals". Ist eine plausible Interpretation des Related-Work-Vergleichs.❌
"auf Infrarot kalibrierte Materialien"	BESTAETIGT	"modified the skin and iris textures [...] to match [...] monochromatic (lambda = 950 nm) infrared imaging"
"Pupillenverschiebung bei Konstriktion"	BESTAETIGT	"nasal-superior shift of the pupil under constriction" mit konkreten mm-Werten
"zwei Millionen Near-Eye-Bilder"	BESTAETIGT	"2M images at 1280x960"
"Segmentierungsmasken und Blickkoordinaten"	BESTAETIGT	"segmentation of pupil, iris, and sclera, skin and glints"; "2D gaze vector, 3D eye location"
"etwa 30 Sekunden pro Bild"	BESTAETIGT	"each image took about 30 seconds to ray trace"

Zahlen zur manuellen Pruefung

Zahl im Text	Wert im Paper	Fundstelle
2 Millionen Bilder	2M images at 1280x960	Dataset section
~30 Sekunden/Bild	"about 30 seconds"	Dataset section

RIT-Eyes -- nairRITEyesRenderingNeareye2020

Aussage im Text	Befund	Details
"24 Kopfmodelle mit hochaufloesenden Texturen"	BESTAETIGT	"24 head models"; "8K color maps" (Sec. 2)
"asphaerische Hornhaut mit variablen Kruemmungsradien"	TEILWEISE	Asphaerische Hornhaut ist bestaetigt. Aber es variiert die Aspharizitaet Q (-0.130, -0.250, -0.370), NICHT der Kruemmungsradius R (fest bei 7.8mm). "Variable Kruemmungsradien" ist unpraezise -- korrekt waere "variable Aspharizitaet".❌
"als physische Oeffnung in der Iris modellierte Pupille mit realistischer Iristexturdeformation"	BESTAETIGT	"active deformable iris" (Abstract)
"Simulation des Bright-Pupil-Effekts"	BESTAETIGT	"retinal retro-reflection"; "bright pupil solutions" (Sec. 1)
"explizite Karunkelgeometrie"	BESTAETIGT	"lacrimal caruncle (the small pink nodule...)" (Sec. 1, Table 1)
"Traenenfilm mit realistischen Umgebungsreflexionen"	BESTAETIGT	"tear film [...] with glossy and transparent properties to produce plausible environmental reflections" (Sec. 3)
"Lidschluss als lineare Funktion der vertikalen Augenrotation"	BESTAETIGT	"eyelid closure was approximated by a linear function of eye rotation in the vertical axis" (Sec. 3)
"HDR-Umgebungskarten" in der Randomisierung	NICHT GEFUNDEN	Das Conference-Paper erwaehnt Punktlichtquellen (16 fuer OpenEDS, 1 fuer NVGaze), KEINE HDR-Umgebungskarten. Moeglicherweise in der Journal-Version (nairRITEyesRenderingEye).❌
"die Haelfte aller Bilder enthielt reflektierende Brillenglaeser"	NICHT GEFUNDEN	Brillen werden erwaehnt, aber kein Anteil ("Haelfte") wird genannt. Moeglicherweise in der Journal-Version.❌
"pixelgenaue Segmentierungsmasken fuer Pupille, Iris, Sklera und Hintergrund"	BESTAETIGT	Fig. 1: "Red = pupil, green = iris, blue = sclera"; "with and without skin"
"2D- und 3D-Augenmerkmalskoordinaten"	NICHT GEFUNDEN	Conference-Paper beschreibt Segmentierungsmasken ausfuehrlich, erwaehnt aber keine 2D/3D-Landmark-Koordinaten als Output. Moeglicherweise in der Journal-Version.❌
"nur eine einzige Skleratextur"	BESTAETIGT	"we only have one scleral texture" (Sec. 6)
"fehlende Brillenrefraktion"	BESTAETIGT	"simulated glasses [...] did not refract light" (Sec. 7)
"fehlendes Make-up"	BESTAETIGT	"makeup [...] is not accounted for" (Sec. 7)
"persistenter Sim-to-Real Gap"	BESTAETIGT	"gap between synthetic and real image distributions" (Sec. 7)

Handlungsbedarf: Drei Claims (HDR-Maps, Haelfte Brillen, 2D/3D-Landmarks) sind im zitierten Conference-Paper nicht belegt. Pruefen, ob die Journal-Version (nairRITEyesRenderingEye) diese Informationen enthaelt, und ggf. Cite-Key anpassen.

Zahlen zur manuellen Pruefung

Zahl im Text	Wert im Paper	Fundstelle
24 Kopfmodelle	"24 head models"	Sec. 2

Temporal RIT-Eyes -- chaudharyRealInfraredEyeimages2022a

Aussage im Text	Befund	Details
"zeitlich kohaerente Blickverhaltenssequenzen mit realistischen Blinzelvorgaengen"	BESTAETIGT	"rendering of synthetic imagery depicting natural gaze dynamics"; "gaze-dependent eyelid pose and blink behavior"

LEyes -- byrneLEyesLightweightFramework2025

Aussage im Text	Befund	Details
"Kernhypothese: dunkle/helle Intensitaetsregionen finden reicht"	BESTAETIGT	"capitalize on the inherent simplicity of eye images [...] focus on modeling the light distributions of the key features"
"2D-Gausssche Lichtverteilungen ohne 3D-Geometrie"	BESTAETIGT	"Blob-like features [...] modeled as 2D Gaussian distributions"
"Pupille als dunkler elliptischer Gausskern, Hornhautreflexe als helle Lichtflecken"	BESTAETIGT	"subtracting dark features (such as pupils) [...] adding bright features"; "CR [...] always set to full white"
"Randomisierung: Amplitude, Achsenradien, Positionen, Orientierungen, Hintergrundluminanz, Rauschniveaus"	BESTAETIGT	Alle Parameter im Paper belegt
"Parameterbereiche bewusst breiter als empirisch beobachtete Bereiche"	BESTAETIGT	"use a larger parameter range than is derived from the distributions"
"Labels: Pupillenzentrum, Hornhautreflexe, Segmentierungsmasken"	BESTAETIGT	Alle Label-Typen belegt
"On-the-fly-Generierung; Bilder nach einem Pass verworfen"	BESTAETIGT	"discard images after one pass to prevent over-training"
"zielt spezifisch auf P-CR-Eye-Tracking"	TEILWEISE	Primaerer Fokus ist P-CR, aber LEyes kann auch reine Pupillensegmentierung (z.B. OpenEDS 2019 Task). Paper sagt "diverse gaze-estimation tasks".❌
"kompetitive oder ueberlegene Leistung gegenueber fotorealistischen Modellen"	BESTAETIGT	"LEyes framework consistently outperforms other publicly available models that use only synthetic data"
"Beschraenkung auf Feature-Level-P-CR-Tracking" als Grenze	TEILWEISE	Paper benennt dies NICHT als Limitation. Das Paper sieht Feature-Level-Modellierung als Staerke. Die Thesis-Formulierung als "Grenze" ist Eigeninterpretation.❌
"Notwendigkeit, Intensitaetsverteilungen der Ziel-Hardware vorab zu analysieren"	BESTAETIGT	"luminance attributes are derived by calculating the distributions of recorded data on a given device setup"

UnityEyes 2 -- smithUnityEyes2Open2025

Aussage im Text	Befund	Details
"spezifische Anforderungen moderner Eye-Tracking-Hardware, insbesondere HMDs mit Off-Axis-Kameraperspektiven"	TEILWEISE	Paper adressiert diverse Hardware (AR-Brillen, Telekonferenz, optometrische Geraete), nicht speziell HMDs. Off-Axis ist aber bestaetigt.❌
"vollstaendige Konfigurierbarkeit des Kameramodells aus realer Kalibrierung"	BESTAETIGT	"Camera intrinsics [...] can be calibrated from hardware using standard toolboxes"
"Simulation relativer Kopf-Geraet-Bewegungen, synchronisierte Multi-Kamera-Ansichten"	TEILWEISE	Multi-Kamera bestaetigt. "Kopf-Geraet-Bewegungen" wird nicht explizit so formuliert -- Kamera-Extrinsik-Verteilungen modellieren dies implizit.
"Labels: 2D-Pupillenzentrum, normalisierter optischer Achsenvektor, 3D-Augapfelzentrum"	BESTAETIGT	"ground-truth locations of the pupil center, a normalized vector representing the optical axis, the center of the globe of the eye"
"erweiterte Lichttypen geplant"	NICHT GEFUNDEN	Paper erwaehnt "environment augmentations" in Future Work, aber nicht explizit "erweiterte Lichttypen".❌
"Python-API geplant"	BESTAETIGT	"Future work: [...] a Python API"
"Benutzerdefinierte Gesichts-/Umgebungsverteilungen geplant"	BESTAETIGT	"Features in development include the ability to customize the distributions of face and environment parameters"

HEyes -- jan / kaminskiBestimmungPupillendurchmessersUnabhaengig2025

Aussage im Text	Befund	Details
Gesamte HEyes-Beschreibung (Zeilen 66-70)	NICHT GEPRUEFT	Interne Masterarbeit am Fachgebiet CHI. Citation Key in Bib-Datei ist jan, in Zotero kaminskiBestimmungPupillendurchmessersUnabhaengig2025.

Hinweis: Zeile 66 hat einen \todo{Quelle} fuer den Wechsel von Cycles zu Eevee.

Saetze ohne Zitat -- Sektion 3.1

Satz/Stelle	Einschaetzung	Empfehlung
Z.6: "Die im Folgenden vorgestellten Pipelines werden konsequent aus der Syntheseperspektive behandelt"	Struktureller Meta-Satz	Kein Zitat noetig
Z.11 Ende: "Dennoch etablierte diese Arbeit das Grundmuster, dem alle nachfolgenden fotorealistischen Pipelines folgen sollten."	Interpretation des Autors	Akzeptabel ohne Zitat, aber \cite{swirskiRenderingSyntheticGround2014} wuerde nicht schaden
Z.24: "Durch den Wechsel auf Unitys Echtzeit-Rasterisierer erreichte die Pipeline eine Renderzeit von 23 ms..."	Numerische Faktenaussage	Gedeckt durch \cite{woodLearningAppearancebasedGaze2016a} am Satzende -- OK
Z.56: "Aus Generatorperspektive steht LEyes damit fuer kontrollierbare, statistische Feature-Simulation"	Eigene Synthese	Kein Zitat noetig
Z.66: Eevee-Wechsel	Fehlende Quelle	\todo{Quelle} steht bereits -- braucht Quelle
Z.68-69: Variationsachsen und Labels von HEyes	Technische Fakten	Sollten mit \cite{jan} oder \cite{kaminskiBestimmungPupillendurchmessersUnabhaengig2025} belegt werden
Z.70: "Eine wesentliche Einschraenkung der bisherigen Pipeline..."	Eigenbeobachtung	Kein Zitat noetig (eigene Arbeit)
Z.72-74: "Zusammenfassende Einordnung" (Fidelity- und Effizienz-Trajektorie)	Eigene Synthese des gesamten Abschnitts	Kein Zitat noetig

---

Sektion 3.2: Synthetische Daten fuer Segmentierung

Zitierte Saetze

OpenEDS -- garbinOpenEDSOpenEye2019

Aussage im Text	Befund	Details
"12.759 Infrarotbilder"	BESTAETIGT	"12,759 images with pixel-level annotations"
"400 x 640 Pixel"	BESTAETIGT	Table 1: "400x640"
"152 Probanden"	BESTAETIGT	"152 individual participants"
"VR-Headset bei 200 Hz"	BESTAETIGT	"virtual-reality head mounted display [...] at a frame rate of 200 Hz"
"manuell in vier Klassen annotiert: Pupille, Iris, Sklera, Hintergrund"	BESTAETIGT	"semantic segmentation of pupil, iris, sclera and background"
"mehrstufige Handannotation mit Ellipsenanpassung und Schluesselpunktplatzierung"	BESTAETIGT	Secs. 4.1-4.3: Ellipse-Fitting + Polygon-Keypoints + Eyelid-Keypoints
"ICCV 2019 Wettbewerb mit kombinierter Genauigkeits-Effizienz-Metrik"	BESTAETIGT	RITnet-Paper: "overall score = (mIoU + min(1/S, 1)) / 2"

Zahlen zur manuellen Pruefung

Zahl im Text	Wert im Paper	Fundstelle
12.759 Bilder	12,759	Abstract
400 x 640 Pixel	400x640	Table 1
152 Probanden	152	Abstract
200 Hz	200 Hz	Abstract
4 Klassen	4 (pupil, iris, sclera, bg)	Abstract

RITnet -- chaudharyRITnetRealtimeSemantic2019 + nairRITEyesRenderingNeareye2020

Aussage im Text	Befund	Quelle
"mIoU von 95,3%"	BESTAETIGT	RITnet-Paper: "achieves 95.3% accuracy" (Abstract)
"248.900 Parameter"	BESTAETIGT	RITnet-Paper: "248,900 trainable parameters" (Sec. 3)
"8.916 Trainingsbilder"	BESTAETIGT	RITnet-Paper: "train (8,916)" (Sec. 4.1)
"S-OpenEDS (51.600 Bilder aus RIT-Eyes)"	BESTAETIGT	RIT-Eyes-Paper: S-OpenEDS = 51,600 images
"mIoU auf 73,9%"	BESTAETIGT	RIT-Eyes-Paper: Table 4, mIoU = 73.94
"Rueckgang um rund 21 Prozentpunkte"	BESTAETIGT	95.3 - 73.94 = 21.36 pp
"Pupillensegmentierung bis zu 93,7% mIoU"	BESTAETIGT	RIT-Eyes-Paper: Pupille = 93.76 mIoU
"Sklerasegmentierung bis auf 34,4% mIoU"	BESTAETIGT	RIT-Eyes-Paper: "mIoU of 34.42 for RITnet"
"pixelgenaue Grenzdefinitionen synthetischer Masken als strukturelles Vorwissen"	TEILWEISE	RITnet-Paper diskutiert Annotationsartefakte in realen Daten (Sec. 6), aber formuliert den Vorteil synthetischer Masken nicht explizit als "strukturelles Vorwissen". Ist eine plausible Schlussfolgerung des Thesis-Autors.

Zahlen zur manuellen Pruefung

Zahl im Text	Wert im Paper	Fundstelle
95,3% mIoU	95.3%	RITnet Abstract, Table 1
248.900 Parameter	248,900	RITnet Sec. 3
8.916 Trainingsbilder	8,916	RITnet Sec. 4.1
51.600 Bilder	51,600	RIT-Eyes Paper
73,9% mIoU	73.94	RIT-Eyes Table 4
93,7% mIoU (Pupille)	93.76	RIT-Eyes Paper
34,4% mIoU (Sklera)	34.42	RIT-Eyes Paper

EllSeg -- kothariEllSegEllipseSegmentation2021

Aussage im Text	Befund	Details
"Segmentierungsaufgabe als Ellipsenvervollstaendigung reformuliert"	BESTAETIGT	"predict entire elliptical eye regions [...] as opposed to the standard visible eye-parts segmentation" (Sec. 1)
"vollstaendige elliptische Regionen, als waeren die Augenlider transparent"	BESTAETIGT	Korrekte Paraphrase
"nur synthetische Generatoren fehlerfreie Labels fuer verdeckte Strukturen liefern"	BESTAETIGT	Paper nutzt NVGaze/RIT-Eyes fuer volle Ellipsen-GT; OpenEDS braucht approximative Fits
"konsistent ueber alle drei Datensaetze und alle Architekturen Pupillen-/Iriszentrum-Detektionsrate gesteigert"	TEILWEISE	"at least 10% and 24% increase" gilt primaer fuer synthetische Datensaetze. Auf OpenEDS (real) sind die Verbesserungen kleiner. Die "konsistent ueber alle drei"-Formulierung uebertreibt leicht.

Hinweis: Die konkreten Zahlen (10% Pupille, 24% Iris) standen im frueheren Entwurf, fehlen jetzt im Fliesstext. Das ist gut so, da der Qualifier "within a two-pixel error margin" im Paper steht und fehlen wuerde.

EllSeg-Gen -- kothariEllSegGenDomainGeneralization2022

Aussage im Text	Befund	Details
"gleichzeitig auf RIT-Eyes, NVGaze und OpenEDS trainiert"	BESTAETIGT	"jointly training a convolutional network with multiple datasets"
"groessere Erscheinungsbildvariabilitaet profitierten am meisten"	BESTAETIGT	"models tested on datasets in which eye images exhibit higher appearance variability benefit from multiset training"

SimGAN -- shrivastavaLearningSimulatedUnsupervised2017

Aussage im Text (Sec. 3.2)	Befund	Details
"Blickschaetzfehler auf MPIIGaze ohne reale gelabelte Daten erheblich reduzierten"	BESTAETIGT	"significant improvement [...] state-of-the-art results on MPIIGaze without any labeled real data"

Park et al. -- parkLearningFindEye2018a

Aussage im Text	Befund	Details
"auf UnityEyes trainiertes Stacked-Hourglass-Netzwerk, das auf vier realen Benchmarks den Stand der Technik uebertraf"	BESTAETIGT	Training "exclusively on synthetic data" (UnityEyes); evaluiert auf EYEDIAP, MPIIGaze, UT Multiview, Columbia

Saetze ohne Zitat -- Sektion 3.2

Satz/Stelle	Einschaetzung	Empfehlung
Z.4: "Das ist ein fruehes Indiz dafuer, dass kostenfrei erzeugte synthetische Labels reale Handannotation ersetzen koennen."	Autor-Interpretation	Akzeptabel ohne Zitat (Schlussfolgerung aus vorhergehend zitiertem Ergebnis)
Z.4: "Fuer die vorliegende Arbeit ist jedoch die dritte Aufgabenfamilie zentral..."	Meta-Satz	Kein Zitat noetig
Z.11 Ende: "Diese Ergebnisse verdeutlichen zweierlei..."	Eigene Synthese	Kein Zitat noetig
Z.17 letzter Satz: "Die Ellipsenrepraesentation steigerte konsistent..."	Faktische Aussage	Ist implizit durch \cite{kothariEllSegEllipseSegmentation2021} im Absatz davor gedeckt, aber ein explizites Cite wuerde nicht schaden
Z.24-26: Doppelter Zwischenfazit-Absatz	Strukturproblem	Die Zeilen 24 und 26 enthalten fast identischen Text! Einer muss geloescht werden.

---

Sektion 3.3: Sim-to-Real-Transfer und Domain Randomization

Zitierte Saetze

Tobin et al. -- tobinDomainRandomizationTransferring2017

Aussage im Text	Befund	Details
"formalisieren diesen Ansatz im Kontext der Robotik"	BESTAETIGT	Paper definiert DR systematisch fuer Sim-to-Real in der Robotik
"simulierte Bilder mit nicht-realistischen Zufallstexturen, hohe Lokalisierungsgenauigkeit"	BESTAETIGT	"accurate to 1.5 cm [...] using only data from a simulator with non-realistic random textures"
"Breite der Variation und Datensatzgroesse entscheidend, nicht Realismus"	BESTAETIGT	Fig. 7: "performance degrades significantly when fewer than 1,000 textures"; Core thesis: "the real world may appear [...] as just another variation"

Tremblay et al. -- tremblayTrainingDeepNetworks2018

Aussage im Text	Befund	Details
"bestaetigen dies fuer Objektdetektion"	BESTAETIGT	DR angewandt auf Autodetektion (KITTI)
"nach synthetischem Pre-Training deutlich weniger reale Daten noetig"	BESTAETIGT	DR + 100 reale Bilder: AP=84.2 vs. nur real 100: AP=59.3

SimGAN (Sec. 3.3) -- shrivastavaLearningSimulatedUnsupervised2017

Aussage im Text	Befund	Details
"adversarielles Refiner-Netzwerk, das UnityEyes-Ausgaben auf Pixelebene transformiert"	BESTAETIGT	"fully convolutional neural net [...] modifying the synthetic image on a pixel level"; "1.2M synthetic images from the UnityEyes simulator"
"relative Verbesserung von 21% gegenueber rein synthetischem Training"	BESTAETIGT	"a relative 21% improvement compared to the state-of-the-art" (Table 3). Hinweis: Die 21% sind relativ zum besten vorherigen synthetischen Verfahren (k-NN, 9.9 Grad), nicht zum CNN-Baseline (11.2 Grad). Die Thesis-Formulierung "gegenueber rein synthetischem Training" ist etwas unpraezise.

Buehler et al. / Seg2Eye -- buhlerContentConsistentGenerationRealistic2019a

Aussage im Text	Befund	Details
"aus semantischen Segmentierungsmasken stilkonsistente, personenspezifische Augenbilder"	BESTAETIGT	"synthesize person-specific eye images that satisfy a given semantic segmentation mask (content), while following the style of a specified person"
"inhaltliche Struktur durch Maske vorgegeben, visueller Stil aus Referenzbildern injiziert"	BESTAETIGT	SPADE-Blocks fuer Content, AdaIN-Layers fuer Style
"nicht geometrische Variabilitaet, sondern stilistische Konsistenz im Vordergrund"	BESTAETIGT	Gesamtarchitektur auf Style-Preservation ausgelegt

Saetze ohne Zitat -- Sektion 3.3

Satz/Stelle	Einschaetzung	Empfehlung
Z.4: "Modelle, die ausschliesslich auf synthetischen Daten trainiert werden, zeigen [...] erhebliche Leistungseinbussen."	Allgemeine Aussage	Koennte ein Zitat vertragen (z.B. nairRITEyesRenderingNeareye2020 oder kothariEllSegGenDomainGeneralization2022)
Z.4: "Die Ursachen sind kumulativ: Texturdiskrepanzen, Beleuchtungsunterschiede, fehlende Stoerfaktoren, begrenzte anatomische Diversitaet."	Aufzaehlung ohne Zitat	Braucht ein Zitat -- z.B. LEyes (byrneLEyesLightweightFramework2025) nennt Hardware-Unterschiede und biologische Diversitaet; RIT-Eyes-Paper diskutiert den Gap ebenfalls
Z.7: "Deren Grundidee besteht nicht darin, die Simulation moeglichst perfekt [...] anzunaehern"	Definition von DR	Gedeckt durch Tobin-Zitat am Satzende
Z.10: "UnityEyes generierte eine Million Bilder bei deutlich geringerem Rechenaufwand"	Faktenaussage	Implizit durch Wood-2016a-Cite im vorherigen Satz gedeckt, aber kein eigenes Cite
Z.10: "Somit kompensieren Skalierung und Formdiversitaet den geringeren Fotorealismus."	Eigeninterpretation	Akzeptabel (Schlussfolgerung aus vorherigen Saetzen)
Z.16: "Der alternative Ansatz besteht darin, synthetische Bilder so zu transformieren..."	Einleitung DA	Kein Zitat noetig (generische Einordnung)
Z.22: "Alle Adaptationsansaetze haben gemeinsam, dass sie am Erscheinungsbild arbeiten [...] nicht an der geometrischen Struktur."	Eigene Synthese	Akzeptabel -- wichtige analytische Beobachtung des Autors

---

Sektion 3.4: Modellierung anatomischer Variation der Periorbitalregion

Zitierte Saetze

Farkas et al. -- farkasInternationalAnthropometricStudy2005

Aussage im Text	Befund	Details
"1470 Personen"	BESTAETIGT	"1470 healthy subjects (18 to 30 years), 750 males and 720 females"
"25 ethnische Gruppen"	BESTAETIGT	13 European + 3 Middle Eastern + 5 Asian + 4 African = 25
"vier Kontinenten"	TEILWEISE	Paper beschreibt 4 geographische Regionen (Europe, Middle East, Asia, Africa), aber Middle East gehoert geographisch zu Asien. Streng genommen 3 Kontinente.
"signifikante Unterschiede in biokulaerer Breite, Interkanthalabstand"	BESTAETIGT	Paper dokumentiert ex-ex und en-en Unterschiede
"und Lidspaltenneigung"	FALSCH	Farkas et al. haben Lidspaltenneigung (palpebral fissure inclination) NICHT gemessen. Ihre 14 Parameter umfassen en-en, ex-ex, en-ex usw., aber NICHT den Neigungswinkel.

Handlungsbedarf: "Lidspaltenneigung" aus der Farkas-Zuschreibung entfernen. Die Neigung wird bei Rhee (2012) und Price (2009) behandelt.

Zahlen zur manuellen Pruefung

Zahl im Text	Wert im Paper	Fundstelle
1.470 Personen	1,470	Abstract
25 ethnische Gruppen	25	Results header
4 Kontinente	4 Regionen (3 Kontinente)	Study design

Rhee et al. -- rheeBiometricStudyEyelid2012

Aussage im Text	Befund	Details
"koreanische Gesichter: ca. 8,6 mm Lidspaltenhöhe"	BESTAETIGT	"median EFH for an average Korean face was 8.62 mm" (Table 3)
"kaukasisch: ca. 10,7 mm"	BESTAETIGT	"median EFH for an average Caucasian face was 10.72 mm" (Table 3)
"afrikanisch: ca. 10,8 mm"	BESTAETIGT	"median EFH for an average African face was 10.81 mm" (Table 3)
"Kanthusneigung ostasiatisch: 10-11 Grad"	TEILWEISE	Paper: 9.77 Grad fuer Average Korean. "10-11" ist aufgerundet/uebertrieben. Korrekt waere "ca. 10 Grad" oder "knapp 10 Grad".
"Kanthusneigung kaukasisch: ca. 7 Grad"	FALSCH	Paper: AVERAGE Caucasian LCT = 4.12 Grad. Der Wert 7.13 Grad gilt fuer ATTRACTIVE Caucasian. Die Thesis verwechselt hier "average" und "attractive"!
"Kanthusneigung afrikanisch: ca. 5 Grad"	BESTAETIGT	Average African LCT = 5.39 Grad

Handlungsbedarf: Kanthusneigungswerte korrigieren: Ostasiatisch ~10 Grad (nicht 10-11), Kaukasisch ~4 Grad (nicht ~7 Grad -- 7.13 ist der "attractive"-Wert!).

Zahlen zur manuellen Pruefung (KRITISCH)

Zahl im Text	Wert im Paper	Korrekt?	Fundstelle
8,6 mm (koreanisch)	8.62 mm	Ja	Table 3
10,7 mm (kaukasisch)	10.72 mm	Ja	Table 3
10,8 mm (afrikanisch)	10.81 mm	Ja	Table 3
10-11 Grad (ostasiatisch)	9.77 Grad	Aufgerundet	Table 3 (Average Korean LCT)
~7 Grad (kaukasisch)	4.12 Grad (average) / 7.13 (attractive)	FALSCH	Table 3
~5 Grad (afrikanisch)	5.39 Grad	Ja	Table 3

Gao et al. -- gaoRacialSexualDifferences2025

Aussage im Text	Befund	Details
"dreidimensionale Messstudien bestaetigen, dass Lidspaltenbreite, -hoehe und -neigung signifikant variieren"	BESTAETIGT	3D-Studie, "significant inter-racial and inter-gender variations"
"signifikante Differenzen zwischen Maennern und Frauen"	BESTAETIGT	Geschlechtsdimorphismus in PFH, PFW, Brauenhoehe dokumentiert

Price et al. -- priceEyebrowEyelidDimensions2009b

Aussage im Text	Befund	Details
"Lidspaltenbreite, -hoehe und -neigung signifikant mit ethnischem Hintergrund variieren"	TEILWEISE	Ethnische Unterschiede hauptsaechlich bei PF-Breite, NICHT konsistent bei Hoehe/Neigung.
"signifikante Differenzen zwischen Maennern und Frauen"	BESTAETIGT	Mehrere signifikante Geschlechtsunterschiede dokumentiert

Lu et al. -- luPrevalenceDoubleEyelid2017

Aussage im Text	Befund	Details
"ueber 85% der europaeischen Bevoelkerung" (Supratarsalfalte)	NICHT GEFUNDEN	Lu et al. berichten KEINE europaeische Praevalenz. Die >85% muessen aus einer anderen Quelle stammen.
"40-83% der ostasiatischen Bevoelkerung"	BESTAETIGT	Table 1: Korean males 24.1%, Korean females 45.5%, Taiwanese Chinese females 83.1% etc.
"100% malaiisch, 70% chinesisch"	BESTAETIGT	"all Malay subjects [...] double eyelid"; "70.1% of Chinese subjects"
"Faltenhoehe 8,3 vs. 4,9 mm"	BESTAETIGT	Table 4: UELCH Malay = 8.33 mm, Chinese = 4.91 mm

Handlungsbedarf: Quelle fuer ">85% europaeisch" finden oder den Claim aendern. Lu et al. belegt das nicht.

Zahlen zur manuellen Pruefung

Zahl im Text	Wert im Paper	Fundstelle
>85% europaeisch	NICHT IM PAPER	-
40-83% ostasiatisch	Bereich aus Table 1	Table 1
100% malaiisch	"all Malay subjects"	Results
70% chinesisch	70.1%	Results
8,3 mm (Malay)	8.33 mm	Table 4
4,9 mm (Chinese)	4.91 mm	Table 4

Kiranantawat et al. -- kiranantawatAsianEyelidRelevant2015b

Aussage im Text	Befund	Details
"Epikanthalfalte bei 60-90% der ost-/suedostasiatischen Erwachsenen, <10% der europaeischen"	NICHT GEFUNDEN	Paper ist eine Anatomie-Uebersicht und nennt KEINE konkreten Praevalenz-Prozentsaetze. Es sagt nur "commonly found in the Asian eyelid; seldom found in other ethnicities".

Handlungsbedarf: Konkrete Prozentsaetze (60-90%, <10%) brauchen eine andere Quelle, oder die Aussage muss vager formuliert werden.

Patil et al. -- patilAnthropometryEyelidPalpebral2011

Aussage im Text	Befund	Details
"nach dem 45. Lebensjahr messbare Veraenderungen der Lidspaltenmasse"	BESTAETIGT	"changes in the eye become more pronounced after 45 years"
"Erschlaffung, Ptosis, Orbitalfettverteilung" als Mechanismen	TEILWEISE	Paper dokumentiert messbare Veraenderungen, diskutiert aber NICHT die konkreten Mechanismen (Ptosis, Erschlaffung, Fettverschiebung). Diese Ursachenzuschreibung stammt nicht aus diesem Paper.

Song et al. -- songAsymmetryPalpebralFissure2007

Aussage im Text	Befund	Details
"24-27% Seitendifferenz der Lidspaltenhöhe >= 1 mm"	BESTAETIGT	Table 3: males 24.2%, females 26.5%
"22-36% Neigungsdifferenz >= 2 Grad"	BESTAETIGT	Table 2: males 22.3%, females 35.8%

Zahlen zur manuellen Pruefung

Zahl im Text	Wert im Paper	Fundstelle
24-27% (Hoehe)	24.2% / 26.5%	Table 3
22-36% (Neigung)	22.3% / 35.8%	Table 2

Basel Face Model -- paysan3DFaceModel2009

Aussage im Text	Befund	Details
"200 Laserscans"	TEILWEISE	200 Scans ist korrekt. Aber es sind KEINE Laserscans -- BFM verwendet Structured-Light-Scanning (ABW-3D System). "Laserscans" ist falsch.
"ueberwiegend europaeischer Probanden"	BESTAETIGT	"most of them Europeans" (Sec. 2)
"199 Formkomponenten"	BESTAETIGT	n-1 = 199 Hauptkomponenten fuer n=200 Scans
"53.490 Vertices"	BESTAETIGT	"m = 53490 vertices" (Sec. 2.4)

Handlungsbedarf: "Laserscans" korrigieren zu "Oberflaechenscans" oder "Structured-Light-Scans".

Zahlen zur manuellen Pruefung

Zahl im Text	Wert im Paper	Fundstelle
200 Scans	200 (100f + 100m)	Sec. 2
199 Formkomponenten	199 (n-1)	Modell-Definition
53.490 Vertices	53,490	Sec. 2.4

FLAME -- liLearningModelFacial2017

Aussage im Text	Befund	Details
"artikuliertes Kopfmodell mit 5.023 Vertices"	BESTAETIGT	"N = 5023 vertices"
"ca. 3.800 Kopfscans"	BESTAETIGT	"3800 scans" / "3800 registered heads from [...] CAESAR"
"300 Identitaets- sowie 100 Expressionsparameter"	BESTAETIGT	"300 identity components"; "100 components [...] 98% of the data variability"
"vier Gelenke und poseabhaengige Korrektur-Blendshapes"	BESTAETIGT	"K = 4 joints (neck, jaw, and eyeballs)"; "pose-dependent corrective blendshapes"

Zahlen zur manuellen Pruefung

Zahl im Text	Wert im Paper	Fundstelle
5.023 Vertices	5,023	Model definition
~3.800 Scans	3,800	Training data
300 Identitaetsparameter	300	Model definition
100 Expressionsparameter	100	Model definition
4 Gelenke	4 (neck, jaw, 2x eyeball)	Fig. 3

LSFM -- boothLargeScale3D2018

Aussage im Text	Befund	Details
"9.663 Identitaeten"	BESTAETIGT	"9663 distinct facial identities" (Abstract)
"demographische Cluster implizit kodiert"	BESTAETIGT	"the manifold of plausible faces is naturally clustered by demographics like age and ethnicity" (Sec. 7.2)

Egger et al. -- egger3DMorphableFace2020

Aussage im Text	Befund	Details
"globale PCA-Modelle erfassen uebergreifende Formvariationen; feine lokale Merkmale im Augen-/Lidbereich begrenzt"	TEILWEISE	Paper: "do not model fine-scale geometric details" (Sec. 3.1.2) + "such as the eye" als Beispiel. Lidbereich separat in Sec. 2.3. Thesis fasst zwei getrennte Passagen zusammen -- inhaltlich korrekt, aber kein einzelnes Zitat.

Wood et al. 3D Morphable Eye -- wood3DMorphableEye2016

Aussage im Text	Befund	Details
"erstmals PCA-basiertes Formmodell speziell fuer Augenregion"	BESTAETIGT	"the first morphable model that accurately captures eye region shape"
"8 Formkoeffizienten erfassen 90% der Varianz"	BESTAETIGT	"90% of shape [...] variation can be encoded in 8 shape [...] coefficients"
"ueber 22 Kopfscans"	BESTAETIGT	"c = 22 scans"
"erste Hauptkomponente: Schlupflider vs. hervortretende Augen"	BESTAETIGT	"The first shape mode U1 varies between hooded and protruding eyes" (Fig. 5)
"Koeffizienten weder benannt noch anatomisch zuweisbar"	NICHT GEFUNDEN	Paper macht diese Aussage nicht explizit. Ist eine korrekte analytische Beobachtung des Thesis-Autors ueber PCA, aber nicht aus diesem Paper zitierbar.

Hinweis: Die Aussage "weder benannt noch anatomisch zuweisbar" ist faktisch korrekt (PCA-Koeffizienten sind per Definition nicht semantisch benannt), aber besser als Eigenaussage formulieren statt dem Paper zuschreiben.

Zahlen zur manuellen Pruefung

Zahl im Text	Wert im Paper	Fundstelle
8 Formkoeffizienten	8 shape coefficients	Results
90% Varianz	90%	Results
22 Scans	22	Method

Wisetchat 2018 Dissertation -- wisetchatDescriptionbasedVisualisationEthnic2018

Aussage im Text	Befund	Details
"TFM" als Name	FALSCH ZUGEORDNET	Der Name "Topographical Face Model (TFM)" stammt aus dem 2024-Paper, NICHT aus der 2018-Dissertation. Die Dissertation nennt das System "Ethnicity Modeller (EM)".
"71 Attribute"	FALSCH ZUGEORDNET	2018-Dissertation: 77 Attribute. 2024-Paper: 71 Attribute. Die Zahl 71 gehoert zum 2024-Paper.
"36 anatomische Merkmale"	FALSCH ZUGEORDNET	Zahl 36 stammt aus dem 2024-Paper (Table 1). 2018-Dissertation: 14 Features allein fuer die Augenregion.
"sechs Gesichtsregionen"	BESTAETIGT	Beide Papers: 6 Regionen (cranium/forehead, eyes/periorbital, nose, mid-face, mouth/perioral, jaw/lower face)
"Blendshape-Deformer auf Catmull-Clark-Subdivisionsflaeche"	BESTAETIGT	2024: "Catmull-Clark 'subdivision surface'" (Fig. 2 caption). 2018: beschreibt Blendshape-Implementation in Maya
"alpha in [0,1]"	TEILWEISE	2024: "normalized range from 0.0 to 1.0" fuer unsigned Attribute. 2018: unsigned [0,1] aber signed [-1,1]. Die Thesis vereinfacht -- manche Attribute haben [-1,1].
"Quasi-Orthogonalitaet durch Deformation entlang einer Achse"	BESTAETIGT	"restricted to [...] one of three orthogonal orientations" (2024 Paper + 2018 Dissertation)
"12 Features und 14 Attribute" (Periorbitalregion)	BESTAETIGT	2024 Table 1 zaehlt 12 Features, 14 Attribute fuer Periorbital
"reichste Einzelregion"	TEILWEISE	Nach Feature-Zahl (12) richtig. Aber nach Attribut-Zahl hat Nasal 18 Attribute vs. Periorbital 14.

Handlungsbedarf: Die Zahlen 71, 36 und der Name "TFM" stammen aus dem 2024-Paper, nicht der 2018-Dissertation. Entweder das Cite aendern oder beide zitieren. Ausserdem: alpha-Bereich korrekt als [0,1] bzw. [-1,1] je nach Attribut angeben.

Zahlen zur manuellen Pruefung (KRITISCH)

Zahl im Text	Wert 2018	Wert 2024	Korrekte Quelle
71 Attribute	77	71	2024-Paper
36 Features	nicht explizit	36	2024-Paper
6 Regionen	6	6	Beide
12 Features (periorbital)	14	12	2024-Paper
14 Attribute (periorbital)	?	14	2024-Paper

Wisetchat et al. 2024 -- wisetchatFacialModelingMeasurement2024

Aussage im Text	Befund	Details
"Validierung an 80 stereophotogrammetrisch erfassten Gesichtern"	BESTAETIGT	"80 anonymized stereophotogrammetric scans" mit "Di3D stereophotogrammetry"
"ueber 80% der Oberflaechenpunkte innerhalb von 1 mm"	BESTAETIGT	"more than 80% of the sample points [...] separated by less than 1 mm" (Table 2)
"MANOVA: geographische Herkunft und Geschlecht p < 0,0001"	BESTAETIGT	"geographic ancestry group (p < 0.0001) and sex (p < 0.0001)" (Sec. 4.2.2)

Zahlen zur manuellen Pruefung

Zahl im Text	Wert im Paper	Fundstelle
80 Gesichter	80	Sec. 3
>80% innerhalb 1mm	>80%	Table 2
p < 0,0001 (Herkunft)	p < 0.0001	Sec. 4.2.2
p < 0,0001 (Geschlecht)	p < 0.0001	Sec. 4.2.2

Saetze ohne Zitat -- Sektion 3.4

Satz/Stelle	Einschaetzung	Empfehlung
Z.4: "Die in den vorangegangenen Abschnitten vorgestellten Synthesepipelines variieren fast ausschliesslich dynamische Bildparameter"	Eigene Synthese des vorherigen Kapitels	Kein Zitat noetig
Z.8: "Dass sich die Periorbitalregion systematisch unterscheidet, ist quantitativ gut belegt."	Einleitungssatz	Zitate folgen unmittelbar -- OK
Z.11: "Neben der Lidspalte selbst unterscheiden sich weitere Merkmale substanziell."	Uebergangssatz	Kein Zitat noetig
Z.16: "Zusammenfassend bilden Lidform, Lidfalte..."	Eigene Synthese	Kein Zitat noetig
Z.20: "Die parametrische Modellierung von Gesichtsform hat eine lange Tradition"	Allgemeine Aussage	Koennte \cite{egger3DMorphableFace2020} vertragen (Survey-Paper)
Z.28: "Wisetchats Arbeit zielt auf die menschliche visuelle Wahrnehmung ab"	Eigencharakterisierung	Koennte \cite{wisetchatDescriptionbasedVisualisationEthnic2018} erhalten

---

Sektion 3.5: Forschungsluecke

Zitierte Saetze

Aussage im Text	Befund	Details
"keine der vorgestellten Pipelines stabile interindividuelle Augenformmerkmale [...] als unabhaengig steuerbare, semantisch gelabelte Variationsachsen modelliert"	BESTAETIGT	Korrekte Synthese aus dem gesamten Review
"SynthesEyes und NVGaze waehlen aus jeweils zehn"	BESTAETIGT fuer SynthesEyes	SynthesEyes: 10 Modelle (bestaetigt). NVGaze: Paper sagt nicht explizit "zehn". NVGaze-Modellanzahl pruefen!
"RIT-Eyes aus 24 diskreten Kopfscans"	BESTAETIGT	"24 head models"
"UnityEyes PCA-basiertes Morphable Model [...] Shape-Koeffizienten fehlen semantische Bezeichnungen" \cite{UnityEyesWebsize}	BESTAETIGT (Inhalt)	Analytisch korrekt. Aber: Citation Key UnityEyesWebsize -- Tippfehler? Sollte UnityEyesWebsite oder UnityEyes sein.

---

Zusammenfassung der kritischen Befunde

Fehler (muessen korrigiert werden)

1. Rhee-Kanthusneigung kaukasisch: Thesis sagt ~7 Grad, Paper sagt 4.12 Grad (average). Der Wert 7.13 ist fuer "attractive" Caucasian. Muss korrigiert werden.
2. Farkas -- Lidspaltenneigung: Farkas hat diesen Parameter NICHT gemessen. Aus dem Cite entfernen.
3. BFM "Laserscans": BFM verwendet Structured-Light-Scanning, keine Laser. Korrigieren.
4. Wisetchat 2018 vs. 2024: Zahlen 71 Attribute, 36 Features und Name "TFM" stammen aus dem 2024-Paper, werden aber dem 2018-Paper zugeschrieben.

Fehlende Quellen

5. Qian et al.: Behandelt Augenbewegungssignale, nicht Augenbilder -- Annotationsaufwand-Claim braucht andere Quelle.
6. Lu et al. ">85% europaeisch": Dieses Paper nennt keine europaeische Praevalenz der Supratarsalfalte.
7. Kiranantawat "60-90% / <10%": Paper nennt keine konkreten Prozentsaetze fuer Epikanthalfalten-Praevalenz.
8. Patil -- Mechanismen (Ptosis, Erschlaffung, Fettverschiebung): Paper dokumentiert Messwerte, nicht die genannten Ursachen.

Nicht im Conference-Paper belegt (Journal-Version pruefen)

9. RIT-Eyes: HDR-Umgebungskarten, "Haelfte mit Brillen", 2D/3D-Landmarks -- ggf. im Journal-Paper.
10. UnityEyes 2: "Erweiterte Lichttypen" nicht im Paper erwaehnt.

Unpraezise Formulierungen

11. RIT-Eyes "variable Kruemmungsradien": Korrekt waere "variable Aspharizitaet" (Q variiert, R ist fest).
12. SynthesEyes "Kopfpose-Matrizen": Nicht als expliziter Output-Label im Paper.
13. SynthesEyes "Make-up": Als fehlend beschrieben, aber im Paper nicht erwaehnt.
14. SynthesEyes "perhaps due to": Paper ist vorsichtiger als die Thesis-Formulierung.
15. SimGAN "21% gegenueber rein synthetischem Training": 21% ist relativ zum besten vorherigen Verfahren (k-NN), nicht zum CNN-Baseline.
16. LEyes "spezifisch P-CR": Framework auch fuer andere Tasks nutzbar.
17. Rhee Kanthusneigung ostasiatisch "10-11 Grad": Paper sagt 9.77 Grad.
18. Wisetchat alpha-Bereich: [0,1] nur fuer unsigned; signed Attribute haben [-1,1].
19. TFM "reichste Einzelregion": Nur nach Feature-Zahl, nicht nach Attribut-Zahl.

Strukturprobleme

20. Sektion 3.2, Zeilen 24-26: Doppelter Zwischenfazit-Absatz (fast identischer Text).
21. Citation Key: UnityEyesWebsize vs. UnityEyesWebsite vs. Zotero UnityEyes.

Saetze, die ein Zitat vertragen koennten

22. Z.4 Sec. 3.3: "Die Ursachen sind kumulativ: Texturdiskrepanzen, Beleuchtungsunterschiede..." -- z.B. byrneLEyesLightweightFramework2025 oder nairRITEyesRenderingNeareye2020
23. Z.20 Sec. 3.4: "Die parametrische Modellierung hat eine lange Tradition" -- z.B. egger3DMorphableFace2020