Naslov magistrskega dela: Nevronska mreža za generiranje plezalnih smeri

Povzetek: 

Ocenjevanje in postavljanje balvanov je zahtevna naloga celo za izkušene plezalce: plezalne stene imajo različne naklone in različno število, obliko ter razporeditev oprimkov, plezalci pa pogosto različno ocenijo težavnost smeri.
Kljub obstoječim metodam, ki omogočajo samodejno ocenjevanje in generiranje balvanov, so le-te prilagojene posamezni plezalni steni. Poleg tega ne obstaja enotna urejena zbirka balvanov, ki bi omogočala primerjavo različnih metod.
V našem delu predstavimo BERNARD, sistem dveh transformerskih nevronskih mrež, ki ocenjuje in generira balvane na osmih različnih stenah treh proizvajalcev.
Predlagamo mrežo BERN (Boulder Evaluation and Rating Network), ki napove težavnost, negotovost težavnosti in kakovost balvana.
Predlagamo tudi mrežo NARD (Neural Attention-based Route Diffuser), ki generiranje smeri rešuje s pristopom izravnalnega toka (angl., flow matching) nad aktivacijami oprimkov, pogojenega z naklonom stene, želeno težavnostjo in kakovostjo balvana, hkrati pa je tudi prvi generator, ki kot pogoj podpira tudi prepoved preprijemanja oprimkov.
Kot sekundarni prispevek predstavimo BERNOT, trenutno največjo prečiščeno zbirko z več kot 477.000 učnimi, 68.000 validacijskimi in 136.000 testnimi balvani na osmih stenah, z novim protokolom za vrednotenje ocenjevanja in postavljanja balvanov.
Obsežno vrednotenje na zbirki BERNOT pokaže, da BERN prekaša najboljše obstoječe metode za ocenjevanje, v povprečju za 20,1% po meri MAE na vseh osmih stenah, NARD pa prekaša najboljši obstoječi generator v povprečju za 4,3% MAE in za 2,4 enote točnosti v intervalu ±1.

Mentor: prof. dr. Matej Kristan

Somentorica: prof. dr. Polona Oblak 

Komisija za zagovor:

izr. prof. dr. Lovro Šubelj (predsednik),

doc. dr. Tomaž Hočevar (član),

doc. dr. Alan Lukežič (član). 

Prostor: Diplomska soba