Masterarbeit-Obsidian-Vault/Prewrite/Genereller Maßstab.md

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