Lojze Žust je raziskovalec in član Laboratorija za umetne vizualne spoznavne sisteme na FRI, kjer se osredotoča na raziskovanje razvoja modelov globokega računalniškega vida za zaznavanje ovir na vodi. Na Dnevu fakultete 2021 je prejel nagrado za raziskovalno delo podiplomskih študentov za objavo članka HIDRA 1.0: deep-learning-based ensemble sea level forecasting in the northern Adriatic v glavni reviji geofizikalnega modeliranja. Prispevek je nastal pod mentorstvom prof. dr. Mateja Kristana in ddr. Matjaža Ličerja.

Z Lojzetom Žustom smo se pogovarjali o njegovih izkušnjah z doktorskim študijem na UL FRI in njegovih raziskavah računalniškega vida in avtonomnih čolnov.

Kako je pri tebi dozorela odločitev za doktorski študij?
Ko sem na dodiplomskem študiju pri predmetu Umetno zaznavanje spoznaval, kako raziskovalci učijo računalnike, da bi videli podobno kot mi, me je to nemudoma pritegnilo in želel sem biti del tega. Pri tem mi je pomagal mentor prof. Matej Kristan, ki me je spremljal med raziskovanjem tako pri mojem diplomskem kot tudi magistrskem delu. V tem času sem se naučil res veliko. Spoznal sem tudi, kako pestro in aktivno je področje — redno so me navduševala povsem nova odkritja in aplikacije računalniškega vida. Vedel sem, da se želim še naprej ukvarjati s tem, poleg tega pa si ne bi mogel želeti boljšega mentorja, zato se mi je zdelo precej naravno nadaljevati svoje raziskovanje še na doktorskem študiju.

Kaj je tvoje raziskovalno področje?
Moje raziskovalno področje je zaznavanje ovir za namen avtonomnih čolnov. Da bi omogočili povsem samostojno navigacijo čolna, skušamo s pomočjo kamere na čolnu zaznati morebitne ovire v okolici čolna, da se jim lahko ustrezno izognemo. 

S čim se trenutno ukvarjaš kot raziskovalec?
Skušam izboljšati zanesljivost metod za zaznavanje ovir. Trenutne metode namreč dobro delujejo na “domačem terenu”, ki je podoben učnim primerom, hitro pa odpovejo, ko se soočijo z novimi situacijami in novimi oblikami ovir. 

V letu 2021 si na Dnevu FRI prejel posebno priznanje oz. nagrado za raziskovalno delo za članek z naslovom HIDRA 1.0: deep-learning-based ensemble sea level forecasting in the northern Adriatic. Kaj so najbolj zanimivi zaključki tvojega prispevka? 
V delu smo predstavili metodo HIDRA za napovedovanje višine morske gladine. Za razliko od tradicionalnih pristopov, ki z reševanjem fizikalnih enačb simulirajo gibanje celotnega morja, se HIDRA uči napovedovanja višine gladine na podlagi primerov iz preteklosti. Posledično je bistveno hitrejša (500.000x) in jo lahko poganjamo na navadnem prenosnem računalniku v nekaj sekundah. Kljub temu HIDRA dosega in v povprečju tudi presega natančnost obstoječih fizikalnih modelov, čeprav nima nobenega fizikalnega predznanja.

Koliko so rezultati uporabni v praksi?
Zaradi izboljšane natančnosti in hitrosti Hidro že poskusno uporabljajo tudi na ARSO za napovedovanje poplav na slovenski obali (v Piranu). Aktualne napovedi Hidre si je mogoče ogledati tudi na spletu (https://lojzezust.github.io/hidra-visualization/sl/).

Kaj si želiš početi po študiju?
Ne vem še točno, kam me bo zanesla pot po študiju, ampak še naprej želim iskati praktične in koristne uporabe računalniškega vida in strojnega učenja. Tu vidim še ogromno neraziskanega potenciala, sploh v interdisciplinarnem povezovanju z drugimi področji.