Témata diplomových prací

Obecné informace

Spolu se svým vedoucím Jiřím Lukavským se zabýváme očními pohyby při sledování více objektů (MOT), což je úloha replikují činnost letových dispečerů. Úlohu si můžete prohlédnout tady nebo nějaké její varianty (vyžaduje quicktime) tady. Při sledování sbíráme od pokusných osob oční pohyby z eyetrackeru Eyelink II. Eyetracker spolu s dalším vybavením máme k dispozici v laboratoři Labels, která se nachází v Psychologickém ústavu AV ČR. Na základě těchto dat pak tvoříme různé matematické modely. Je zde spousta práce pro matfyzáky! Krásně se na to pasují bayseiánské modely, MLE/MAP či dokonce strojové učení. Hodně se to opírá o psychofyziku, což je úžasná styčná plocha matematiky a psychologie - prokládáte odpovědi lidé distribučními funkcemi různých rozdělení, aby to co nejlépe vysvětlovalo závislost úspěšnosti odpovědi na intenzitě stimulu. Konkrétní téma bychom případně doladili osobně Na diplomce v tomhle oboru je super to, že si zkusíte celý proces tvorby experimentu - od tvorbu designu, přes zpracování dat až po samotné statistické zpracvání a tvorbu modelů. Cesta už je vyšlapaná ode mě, takže téma je v pohodě obhajitelné Kdyby vás na tom cokoli zaujalo, dejte mi vědět! Rád se s vámi sejdu a cokoli dovysvětlím, navnadím atd atd.

Těším se na zájemce! Konkrétní témata

Strojové učení očních pohybů při MOT

Při MOT lidé sledují více objektů zároveň. Zajímavou otázkou je, kam při tom směřují svůj zrak. Variabilitu zraku lze vysvětlit pomocí analytických strategií či složitějších Bayesovských modelů. Otázkou je, zda je možné předpovídat oční pohyby pomocí strojového učení. Cílem práce by bylo naučit nějaký regresní algoritmus (SVM, (deep) neuronové sítě, ...) předpovídat oční pohyby v této úloze. Data jsou již k dispozici.

Určení sledovaných objektů na základě očních trajektorií

Tato úloha je tématicky podobná té předchozí. Cílem by bylo vytvořit klasifikátor, který by na základě očních trajektorií a pozice objektů určil, které cíle byly během experimentu sledované. Pro klasifikaci bude nutné trajektorie nějak summarizovat a úkolem tedy bude vybrat dobré popisné statistiky. Data jsou již k dispozici.

Metrika na porovnávání map

Při jednom z experimentů u nás v laboratoři zkoumáme hledání v mapách (pokusné osoby mají za úkol vyhledávat daný detail ve velké mapě). Vyvstává zajímavá otázka, jak kvantifikovat, zda jsou dvě mapy podobné (jde o stejné zastoupení barev? Tvarů? ...). V této práci bude úkolem vytvořit metriku, která kvantifikuje podobnost dvou map a tuto metriku ověří na jednoduchém experimentu na pokusných osobách.

Porovnávní očních pohybů

Ačkoli se pro podobnost metrik očních pohybů používá mnoho metrik, není zřejmý jejich vzájemný vztah. V této práci by student vygeneroval oční pohyby různých kvalit (plynulé sledování, sakády/fixace apod.), s těmito trajektoriemi provedl různé geometrické transformace a zašumění a poté porovnal jejich podobnost pomocí několika metrik pro porovnávání očních pohybů.

Ideální Bayesovský pozorovatel (IBO) pro hledání zamaskovaných cílů

V modelech zrakového vyhledávání patří mezi ty s nejvyšší úspěšností model Ideálního Bayesovského pozorovatele. Tento model vybírá následující místa, kam se bude člověk koukaat na základě minimalizace entropie a v některých případech dokonce hledá cíl (Gabor patch) v šumu. Cílem práce bude použít IBO pro ověření, jak rychle najde textury použité pro maskování v současných armádách v přírodních scénách. Výsledky by byly porovnány se současnými detekčními studiemi maskovacích vzorů.