Evaluating the Practical Compatibility of Two Different Facial Soft Tissue Depth Datasets: A Recognition-Based Evaluation Using the Combination Method
Diese Studie zeigt, dass die unter Verwendung verschiedener Methoden zur Messung der Weichteildicke des Gesichts (FSTD) (2D und 3D) erstellten Gesichtsschätzungen praktisch kompatibel sind, da Beobachtererkennungstests bestätigten, dass die resultierenden Schätzungen über dem Zufallsniveau erkennbar blieben.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie sind ein Detektiv, der einen Cold Case löst. Sie haben einen Schädel gefunden, aber Sie haben keine Ahnung, wem er gehörte. Um zu helfen, die Person zu identifizieren, müssen Sie ein Gesicht auf diesem Schädel aufbauen, ein Prozess, der als Gesichtsimitation (Facial Approximation) bezeichnet wird. Es ist, als würde man ein Porträt aus einem Skelett modellieren.
Um dies genau zu tun, benötigen Bildhauer ein „Lineal“, um zu bestimmen, wie dick die Haut und das Muskelgewebe an jedem Punkt sein sollten. Dieses Lineal wird als Datensatz für die Gesichtspeichendicke (FSTD-Datensatz) bezeichnet.
Die große Frage
Seit Jahren streiten Wissenschaftler darüber, was der beste Weg ist, diese „Lineale“ zu messen. Einige nutzen 2D-Methoden (wie das Betrachten flacher Röntgenbilder auf einem Bildschirm), während andere 3D-Methoden verwenden (wie das direkte Messen an einem digitalen 3D-Modell des Schädels).
Die große Frage, die diese Arbeit stellt, lautet: Spielt es tatsächlich eine Rolle, welches „Lineal“ man verwendet? Wenn man ein Gesicht unter Verwendung der 2D-Messdaten gegenüber den 3D-Messdaten baut, wird man die Person dann noch erkennen, oder werden die Unterschiede dazu führen, dass das Gesicht wie ein Fremder aussieht?
Das Experiment: Ein „Gesichtskampf“
Die Forscherin Gülçin Coşkun-Boileau entschied sich, dies praktisch zu testen, nicht nur mit Mathematik, sondern mit echten menschlichen Augen. So gestaltete sie das Experiment:
- Die Probanden: Sie wählte drei echte Personen (zwei Männer, eine Frau) aus und verwendete deren archivierte CT-Scans.
- Die Doppel-Skulptur: Für jede Person fertigte sie zwei Tongesichter an.
- Gesicht A: Erstellt mit den 2D-Messdaten.
- Gesicht B: Erstellt mit den 3D-Messdaten.
- Hinweis: Sie verwendete für beide dasselbe Skelett, der einzige Unterschied war das „Lineal“, das sie benutzte, um zu entscheiden, wie dick der Ton sein sollte.
- Der „blinde“ Bildhauer: Die Person, die die Gesichter formte, wusste nicht, um wen es sich handelte. Dies stellt sicher, dass der Bildhauer nicht versehentlich „geschummelt“ hat, indem er versuchte, das Gesicht wie eine bestimmte berühmte Persönlichkeit aussehen zu lassen, die er kannte.
- Das Publikum: Sie zeigte Fotos dieser Tongesichter 55 normalen Menschen (den „Beobachtern“). Diese Personen kannten die Probanden ebenfalls nicht.
- Der Test: Den Beobachtern wurde ein „Referenzgesicht“ (eines der Tonmodelle) gezeigt und sie wurden gebeten, aus den anderen Fotos dasjenige auszuwählen, das dem Referenzgesicht am ähnlichsten sah. Zudem bewerteten sie die Ähnlichkeit auf einer Skala von 1 bis 5.
Die Ergebnisse: „Es liegt im Auge des Betrachters“
Die Ergebnisse waren überraschend positiv.
- Hohe Erkennungsrate: Den Beobachtern gelang es, das „Referenzgesicht“ mit seinem Zwilling (demjenigen, der mit der anderen Messmethode erstellt wurde) mit einer Rate zu verbinden, die weit über dem Zufall lag.
- Bei der ersten Person bekamen 98 % der Leute es richtig.
- Bei der zweiten bekamen 83 % es richtig.
- Bei der dritten bekamen 96 % es richtig.
- Das Urteil: Die Studie kommt zu dem Schluss, dass die Verwendung eines 2D-Lineals oder eines 3D-Lineals das fertige Bild nicht ruiniert. Selbst wenn die Messungen leicht unterschiedlich waren, waren die resultierenden Gesichter immer noch als dieselbe Person erkennbar.
Warum war das schwierig? (Die „fehlenden Teile“)
Die Arbeit gibt zu, dass das Experiment nicht perfekt war, und erklärt auch, warum das wichtig ist:
- Die „Kein-Mund-Regel“: Die Tongesichter hatten keine Münder oder Ohren, da die Schädelmodelle diese Teile nicht enthielten. Es ist, als würde man versuchen, einen Freund zu erkennen, wenn er eine Maske trägt, die den Mund verdeckt.
- Die „Kein-Alter-Regel“: Der Bildhauer fügte keine Falten oder graues Haar hinzu, da er das genaue Alter der Personen nicht kannte. Dies führte dazu, dass eine ältere Person jünger aussah, was die Beobachter verwirrt haben könnte.
- Der „Anfänger-Bildhauer“: Die Person, die die Gesichter baute, war neu in dem Job. Die Arbeit stellt fest, dass ein erfahrener Künstler eine bessere Arbeit geleistet hätte, was darauf hindeutet, dass Geschicklichkeit genauso viel zählt wie die Daten.
Das Fazit
Betrachten Sie die 2D- und 3D-Messmethoden wie zwei verschiedene Marken von Wandfarbe. Diese Studie fand heraus, dass das fertige Gemälde auch dann noch dieselbe Person darstellt, wenn man entweder Marke A oder Marke B verwendet.
Die Hauptschlussfolgerung ist einfach: Man muss nicht in Panik geraten, wenn man zwischen 2D- und 3D-Messdaten wechseln muss. Solange man den Regeln folgt, wird das Gesicht, das man baut, wahrscheinlich auch vom Publikum erkannt werden. Die Arbeit warnt jedoch davor, dass das Geschick der Person, die das Gesicht baut, genauso wichtig ist wie die Daten, die sie verwendet.
Hinweis: Die Arbeit stellt ausdrücklich klar, dass sich diese Ergebnisse auf manuelle (handgeformte) Methoden beziehen. Sie behauptet nicht, dass diese Ergebnisse für computergenerierte Gesichter gelten, was darauf hindeutet, dass zukünftige Studien untersuchen müssen, ob Computer auf die gleiche Weise reagieren.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.