utseendemodeller

Utseendemodeller, eller appearance models, er statistiske eller beregningsbaserte metoder som beskriver det visuelle utseendet til objekter eller personer. De kombinerer ofte informasjon om form (geometri) og tekstur (utseende) for å representere variasjon mellom ulike forekomster. Slike modeller brukes i gjenkjenning, sporing, rekonstruksjon og syntese av bilder og video.

Grunnleggende komponenter består av en formmodell og en utseendemodell. Formmodellen beskriver geometriske variasjoner ved hjelp av et sett av landemerker og en statistisk representasjon, slik som en punktfordelingsmodell (PDM). Utseendemodellen beskriver hvordan pixler og tekstur varierer innenfor eller rundt formen. Sammen gjør de det mulig å uttrykke et komplekst utseende med et relativt lite antall parametre.

Historisk har feltet blitt formet av metoder som Active Shape Models (ASM) og Active Appearance Models (AAM). Disse modellene kombinerer form og tekstur i ett felles rammeverk og bruker ofte prinsippene for sannsynlighetsmodellering og dimensjonsreduksjon. En enklere retning var eigenfaces, som bruker PCA til å beskrive ansikters utseende.

Typer og tilnærminger inkluderer parametiske og ikke-parametriske modeller, generative og diskriminerende modeller, samt globale og lokale tilnærminger. Mer moderne praksis utnytter dyp læring og generative modeller som GANs og VAEs for mer realistisk utseende og bredere anvendelser.

Anvendelser omfatter ansiktsgjenkjenning og sporing, simulering og animasjon i film og spill, samt medisinsk bildebehandling og industrielle inspeksjoner. Utfordringer inkluderer variasjon i lys, pose og uttrykk, bias i datasett og bekymringer om personvern og etikk.