Generativna vslikava očesnih okluzij za robustno segmentacijo beločniceGolčar, Izidor (Avtor) Peer, Peter (Mentor) Vitek, Matej (Komentor) Tomašević, Darian (Komentor) Generativni modeliSintetično bogatenje podatkovDifuzijski modeliSemantična segmentacijaSlikovna biometrijaZanesljivost biometričnih sistemov na podlagi beločnice je neposredno odvisna od natančne segmentacije očesne regije. Čeprav globoki segmentacijski modeli pri tej nalogi dosegajo visoko natančnost v nadzorovanih pogojih, je njihova praktična uporabnost pogosto omejena zaradi domenskega razkoraka med razpoložljivimi laboratorijskimi učnimi podatki in bolj kompleksnimi okoliščinami resničnega sveta. Eden glavnih vzrokov za nižjo robustnost segmentacije na realnih podatkih je delna prekritost oziroma okluzija oči. V tem delu omenjeno problematiko rešujemo z generativnim bogatenjem podatkov, kjer s pomočjo difuzijskega modela v visokokakovostne laboratorijske očesne slike zbirke SBVPI vslikamo fotorealistične okluzije ter tako obogateno množico uporabimo za učenje segmentacijskih modelov. Evalvacija na zahtevni zbirki MOBIUS pokaže, da vslikava sintetičnih okluzij deluje kot učinkovita metoda regularizacije. Segmentacijski modeli osvojeno znanje namreč uspešno prenesejo na resnične primere okluzij in posledično dosegajo bistveno višjo natančnost ter robustnost v primerjavi z osnovnim segmentacijskim modelom, učenim izključno na originalnih fotografijah brez generiranih okluzij.20262026-09-08 16:10:03Diplomsko delo/naloga187049sl