courses:wshop:topics:tematy2026wiosna

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revision Previous revision
Next revision		 Previous revision
courses:wshop:topics:tematy2026wiosna [2026/03/17 12:26] – [[SBK] Przepraszam, z kim rozmawiam?] admincourses:wshop:topics:tematy2026wiosna [2026/04/17 06:00] (current) – [[SBK] TobiiPytracker – gaze-data alignment] admin
Line 7: Line 7:
 ==== [FIXME] Template ==== ==== [FIXME] Template ====
  
-  * **Student:** FIXME+  * **Student:**FIXME
   * **Namespace in the wiki:** [[..:projects:2026:FIXME:]]   * **Namespace in the wiki:** [[..:projects:2026:FIXME:]]
   * **The goal of the project:** FIXME   * **The goal of the project:** FIXME
Line 143: Line 143:
 ==== [SBK] EKG -- kalsyfikacja  ==== ==== [SBK] EKG -- kalsyfikacja  ====
  
-  * **Student:** FIXME +  * **Student:**  
-  * **Namespace in the wiki:** [[..:projects:2026:ecg:start]], [[..:projects:2026:ecgtgnn:start]]+    * GrupaA: Jakub Heczko 
 +    * GrupaB: 
 +    * GrupaTGNN:  
 +  * **Namespace in the wiki:** [[..:projects:2026:ecgA:start]], [[..:projects:2026:ecgB:start]], [[..:projects:2026:ecgtgnn:start]]
   * **The goal of the project:** Stworzenie **autoenkodera** dla szeregów **EKG** i analiza **latent‑space** (UMAP/t‑SNE) pod kątem lokalizacji jednostek chorobowych, płci i innych metadanych; w drugiej części – prosta klasyfikacja na wektorach latentnych.   * **The goal of the project:** Stworzenie **autoenkodera** dla szeregów **EKG** i analiza **latent‑space** (UMAP/t‑SNE) pod kątem lokalizacji jednostek chorobowych, płci i innych metadanych; w drugiej części – prosta klasyfikacja na wektorach latentnych.
   * **Technology:** Python   * **Technology:** Python
Line 207: Line 210:
  ==== [SBK] WinClip z Grafem Wiedzy ====  ==== [SBK] WinClip z Grafem Wiedzy ====
  
-  * **Student:** FIXME +  * **Student:** Igor Zamojski, Jakub Budzyński 
-  * **Namespace in the wiki:** [[..:projects:2026:winclip:start]]+  * **Namespace in the wiki:** [[..:projects:2026:winclipA:start]] [[..:projects:2026:winclipB:start]]
   * **The goal of the project:** Zbudować prosty pipeline demonstracyjny, w którym model WinCLIP (zero-/few-shot na bazie CLIP) wykrywa i segmentuje anomalie na wybranych klasach z MVTec AD i/lub VisA, a wynik modelu jest od razu IRI węzła w małym grafie wiedzy (RDF). Następnie, z poziomu UI można wykonać zapytania (SPARQL) o zalecane działania/mitigacje dla danej anomalii   * **The goal of the project:** Zbudować prosty pipeline demonstracyjny, w którym model WinCLIP (zero-/few-shot na bazie CLIP) wykrywa i segmentuje anomalie na wybranych klasach z MVTec AD i/lub VisA, a wynik modelu jest od razu IRI węzła w małym grafie wiedzy (RDF). Następnie, z poziomu UI można wykonać zapytania (SPARQL) o zalecane działania/mitigacje dla danej anomalii
   * **Technology:** FIXME   * **Technology:** FIXME
Line 223: Line 226:
     - Ewaluacja (lekka): dla wybranej klasy raportujemy i‑AUROC/p‑AUROC oraz zrzuty ekranu; celem jest działający demo‑flow, nie bicie SOTA. (WinCLIP raportuje wysokie wyniki na MVTec/VisA w warunkach zero/few-shot – nasz cel to tylko potwierdzić działanie na małej próbce). ONtologia, rekomendacje/akcje -- moga byc nieprawdziwe, chodzi tylkok o demo mozliwosci.     - Ewaluacja (lekka): dla wybranej klasy raportujemy i‑AUROC/p‑AUROC oraz zrzuty ekranu; celem jest działający demo‑flow, nie bicie SOTA. (WinCLIP raportuje wysokie wyniki na MVTec/VisA w warunkach zero/few-shot – nasz cel to tylko potwierdzić działanie na małej próbce). ONtologia, rekomendacje/akcje -- moga byc nieprawdziwe, chodzi tylkok o demo mozliwosci.
  
-*   **Links:**+  * **Links:**
     *   [[https://arxiv.org/|WinCLIP (poszukaj arXiv/implementacji – do uzupełnienia)]]     *   [[https://arxiv.org/|WinCLIP (poszukaj arXiv/implementacji – do uzupełnienia)]]
     *   [[https://www.mvtec.com/company/research/datasets/mvtec-ad|MVTec AD]]     *   [[https://www.mvtec.com/company/research/datasets/mvtec-ad|MVTec AD]]
Line 231: Line 234:
     *   [[https://rdflib.readthedocs.io/|RDFLib]]     *   [[https://rdflib.readthedocs.io/|RDFLib]]
     *   [[https://jena.apache.org/documentation/fuseki2/|Apache Jena Fuseki]]     *   [[https://jena.apache.org/documentation/fuseki2/|Apache Jena Fuseki]]
 +    * [[https://arxiv.org/abs/2509.06461|FOCUSING BY CONTRASTIVE ATTENTION:  ENHANCING VLMS’ VISUAL REASONING]]
    
  
Line 250: Line 254:
  ==== [SBK] TobiiPytracker – gaze-data alignment ====  ==== [SBK] TobiiPytracker – gaze-data alignment ====
  
-  * **Student:** FIXME+  * **Student:**  Igor Studziński
   * **Namespace in the wiki:** [[..:projects:2026:pytracker:start]]   * **Namespace in the wiki:** [[..:projects:2026:pytracker:start]]
   * **The goal of the project:** Celem pracy jest przetestowanie funkconoalności narzędzia do mapowania wzroku (uwagi) użytkownika na różne modelaności (tekst, obraz, szeregi czasowe), oraz implementacja customowego daatsetu dla EKG,    * **The goal of the project:** Celem pracy jest przetestowanie funkconoalności narzędzia do mapowania wzroku (uwagi) użytkownika na różne modelaności (tekst, obraz, szeregi czasowe), oraz implementacja customowego daatsetu dla EKG, 
  • courses/wshop/topics/tematy2026wiosna.1773750416.txt.gz
  • Last modified: 2 months ago
  • by admin