In der automatischen Analyse digitaler Bilder sind Modelle ein zentraler Punkt. Kann ein Gesicht erkannt werden ohne "Vorstellung" eines Gesichts? Ist das Wissen, wie sich ein Gesicht verändern kann und wie ein Bild davon entsteht ein entscheidender Vorteil im Erkennungsprozess oder reicht dazu das Resultat einer ausgeklügelten Kette von Filtern, angewandt auf das Bild, aus? Welche Vorteile ergeben sich aus der Möglichkeit Bilder auch synthetisieren zu können?
Dieses Projekt dreht sich technisch um die Verwendung graphischer Modelle, die eine Möglichkeit darstellen das Bildverständnis zu formalisieren und damit zu untersuchen. In diesem Kontext wird versucht das stark auf Vorwissen basierende Gesichtsmodell mit direkten Filtermethoden zu integrieren und dabei zu verstehen, woher die grundlegenden Unterschiede der Verfahren stammen und wie man sie überwinden könnte.
Die Frage der elektronischen Objektklassen-Erkennung in Bildern hat eine relativ junge Geschichte, inspiriert von der menschlichen Fähigkeit in Echtzeit und mühelos jederzeit eine sehr robuste Bildinterpretation zur Verfügung zu haben.
In diesem Projekt wird versucht verschiedene Vorgehensweisen der elektronischen Bildanalyse und Modelle zum Bildverständnis zu verstehen und damit leistungsfähigere Algorithmen zu ermöglichen.