Several approaches have been propos

Several approaches have been proposed for this minimization through years of
studying. The first idea was use an additive approach, in which ∆pi
and ∆λi
were
calculated as linear functions of the error image and then shape parameter p and
appearance λ were updated as pi
← pi
+ ∆pi
and λi
← λi
+ ∆λi
, in the i-th iteration.
Although convergence can occur sometimes, the delta doesn't always depend on
current parameters, and this might lead to divergence. Another approach—which
was studied based on the gradient descent algorithms—was very slow, so another
way of finding convergence was sought. Instead of updating the parameters, the
whole warp could be updated. This way, a compositional approach was proposed
by Ian Mathews and Simon Baker in a famous paper called Active Appearance Models
Revisited. More details can be found in the paper, but the important contribution it
gave to fitting was that it brought the most intensive computation to a pre-compute
step, as seen in the following screenshot:

ผลลัพธ์ (ไทย) 1:

ได้รับการเสนอหลายวิธีในการลดภาระผ่านปี
เรียน ความคิดแรกใช้วิธีการสามารถ ∆pi ที่
และ ∆λi
ถูก
คำนวณเป็นฟังก์ชันเชิงเส้นของข้อผิดพลาดภาพ และจากนั้น ปรับพารามิเตอร์ p และ
λปรากฏถูกปรับปรุงเป็นปี่
←ปี่
∆pi
และ λi
← λi
∆λi
, ในการเกิดซ้ำ i-th
แม้บรรจบกันสามารถเกิดขึ้นได้บางครั้ง เดลต้าไม่ขึ้นอยู่เสมอบน
พารามิเตอร์ปัจจุบัน และนี้อาจนำไปสู่การ divergence ได้ วิธีอื่น — ซึ่ง
ได้ศึกษาอัลกอริทึมโคตรไล่ระดับตาม — ถูกช้า อื่นดังนั้น
วิธีการลู่เข้าหาถูกค้นหา แทนที่จะปรับปรุงพารามิเตอร์ การ
แปรปรวนทั้งหมดสามารถปรับปรุงได้ ด้วยวิธีนี้ วิธี compositional ถูกเสนอ
ทางแมทิวส์เอียนเบเกอร์ Simon ในกระดาษมีชื่อเสียงที่เรียกว่าแบบจำลองลักษณะงาน
Revisited รายละเอียดเพิ่มเติมสามารถพบได้ในกระดาษ แต่ส่วนสำคัญมัน
ให้เหมาะสมไม่ว่า จะนำมาคำนวณมากการคำนวณล่วงหน้า
ก้าว ดังที่เห็นในภาพต่อไปนี้:

ผลลัพธ์ (ไทย) 2:

หลายวิธีที่ได้รับการเสนอให้ลดนี้ผ่านปีของการ
ศึกษา ความคิดแรกคือใช้วิธีการเติมแต่งซึ่งΔpi
และΔλi
ถูก
คำนวณเป็นฟังก์ชั่นเชิงเส้นของภาพแสดงข้อผิดพลาดแล้วรูปร่าง p พารามิเตอร์และ
ลักษณะλได้รับการปรับปรุงเป็นปี่
←ปี่
+ Δpi
และλi
←λi
+ Δλi
, ในการย้ำฉัน-th
แม้ว่าการบรรจบกันสามารถเกิดขึ้นได้ในบางครั้งเดลต้าไม่ได้เสมอขึ้นอยู่กับ
พารามิเตอร์ในปัจจุบันและนี้อาจนำไปสู่ความแตกต่าง วิธีการอีกอย่างหนึ่งซึ่ง
ได้รับการศึกษาบนพื้นฐานของการไล่ระดับสีเชื้อสายอัลกอริทึม-ช้ามากดังนั้นอีก
วิธีในการหาบรรจบกันได้ขอ แทนที่การปรับปรุงพารามิเตอร์
วิปริตทั้งอาจจะได้รับการปรับปรุง วิธีนี้เป็นวิธีการที่ compositional ถูกเสนอ
โดยเอียนแมทธิวส์และไซมอนเบเกอร์ในกระดาษที่มีชื่อเสียงที่เรียกว่าใช้งานลักษณะรุ่น
มาเยือน รายละเอียดเพิ่มเติมสามารถพบได้ในกระดาษ แต่การมีส่วนร่วมที่สำคัญก็
เพื่อให้เหมาะสมคือการที่มันนำมาคำนวณอย่างเข้มข้นมากที่สุดก่อนการคำนวณ
ขั้นตอนเท่าที่เห็นในหน้าจอต่อไปนี้:

ผลลัพธ์ (ไทย) 3:

หลายวิธีได้ถูกเสนอสำหรับการนี้ผ่านปีของ
เรียน ความคิดแรกที่ถูกใช้เป็นสารเติมแต่งเข้าไป ซึ่ง∆ pi


และผม∆λถูกคำนวณเป็นเชิงเส้นฟังก์ชันข้อผิดพลาดภาพแล้วรูปร่างลักษณะและค่าพารามิเตอร์ p
λได้รับการปรับปรุงเป็นปี่ปี่ปี่


←∆ และλผม
←λผม

∆λผม i-th ซ้ำใน .
ถึงแม้ว่าบรรจบสามารถเกิดขึ้นได้บางครั้งเดลต้าไม่เสมอขึ้นอยู่กับ
พารามิเตอร์ในปัจจุบันนี้ และอาจนำไปสู่การ divergence แนวทางหนึ่งซึ่ง
ศึกษาตามขั้นตอนวิธีการโคตรช้ามาก ดังนั้นอีก
วิธีการหาบรรจบถูกหา แทนการปรับปรุงพารามิเตอร์
บิดจะช่วยปรับปรุง วิธีนี้ เป็นวิธีที่ได้เสนอ
ส่วนประกอบโดยเอียนแมทธิวและไซมอนเบเกอร์ในกระดาษที่มีชื่อเสียงเรียกว่าแบบจำลองลักษณะปราดเปรียว
มาเยือน . รายละเอียดเพิ่มเติมสามารถพบได้ในกระดาษ และที่สำคัญผลงานมัน
ให้กระชับที่ทำให้การคำนวณที่เข้มข้นที่สุดก่อนคำนวณ
ขั้นตอนตามที่เห็นในหน้าจอต่อไปนี้ :