Summary
Zusammenfassung Machine Vision
- Course
- Institution
Machine Vision (Machine Vision)
[Show more]
Seller
Follow
nerunayugarajah
Content preview
Deformable_modDeformierbare Gesichtsmodelle
Schwachpunkt des Eigenface-Ansatzes
Kein Gesicht ist gleich Features sind woanders
Augen haben eine konstante, aber der Rest des Gesichts ist verschwommen
Vektorkomponenten beschreiben nicht immer den gleichen Punkt (Augenwinkel …)
Resultat: Ghosting Artifacts in Eigenfaces
Verschiebung und Skalierung reduziert dieses Problem etwas
Heute: Warp der Bilder obligatorisch in Morphable Models, Active Appearance Models
Das Korrespondenzproblem
Identifiziere korrespondierende Punkte
Augenwinkel, Mundwinkel, Nasenspitze
Repräsentiere diese immer durch die gleiche Variable
Unterscheide die individuelle
2DForm = Lage der Merkmale
Farbe / Grauwert / Textur der Merkmale
PCA der Form und Textur
Formbasierte Objektpräsentation
(Snakes=Active Contour Models
Kass, Witkin, Terzopoulos 1987)
Active Shape Models
Cootes, Taylor 1995
2D Morphable Models
Poggio, Vetter, Beymer, Jones 19951998
Sehr ähnlicher Ansatz zu:
Active Appearance Models
Cootes, Taylor, Edwards 1998
3D Morphable Models
Blanz, Vetter 1999
Snakes = Active Contour Models
Verfolgung von Linien in Bildsequenzen
Linien: Mund, Nase, Augenbrauen etc.
Manuell initialisiert
Energieminimisierender Spline:
Steifigkeit
Verformung war teuer und noch teurer wenn es Zeit echt war
Viskoelastizität
Äußeres Potential
, Bewegungsgleichungen
Implizite Eulermethode
Snakes
Tracking von Features zur Gesichtsanimation
Konturmodelle
Anpassung eines deformierbaren Kurvenmodells an Grauwertkonturen.
Aufgaben:
Vermeide unplausible Verläufe
Interpoliere über Bildbereiche mit fehlendem Kontursignal: Konturvervollständigung.
Snakes: Innere Steifigkeit
Active Shape Models: erlerntes Modell der möglichen (erlaubten) Formen
Active Shape Models, ASM
Zunächst für elektrische Widerstände, Hände, medizinische Daten, später für Gesichter
ASM: Lernphase
1. Labeling: Manuelle Markierung der Merkmalspunkte auf der Trainingsmenge. Merkmal i
auf Bild j:
2. Alignment: Verschiebung, Skalierung und Rotation der Bildkoordinaten der Merkmale, bis
minimaler least-squares Fehler korrespondierender Punkte untereinander.
3. PCA der xy-Koordinaten: nach Zusammenführung in einem Vektor
Wenn sich ein Punkt verschoben hat, dann verschieben sich die anderen auch
dementsprechend damit das passt und kein Wirrwarr entsteht
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller nerunayugarajah. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $7.78. You're not tied to anything after your purchase.
Can Stuvia be trusted?
4.6 stars on Google & Trustpilot (+1000 reviews)
64438 documents were sold in the last 30 days
Founded in 2010, the go-to place to buy study notes for 14 years now