Masterarbeit-Obsidian-Vault/Paperung/Related Works/3.4 - Modellierung interindividueller anatomischer Variation der Periorbitalregion.md

# Genereller Aufbau:
Das Kapitel soll ja nur so 3 Seiten haben, also muss es kompakt und fokussiert sein.
Ich würde es so aufbauen:
**4.1 Periorbitale Morphologie als relevante Variationsachse** (ca. 1 Seite)
Der Einstieg sollte kurz motivieren, warum man überhaupt über Augenformvariation sprechen muss – nämlich weil die Pipelines aus Kapitel 1 fast ausschließlich dynamische Parameter variieren (Blick, Pose, Beleuchtung, Pupillengröße), aber die statische Grundform der Augenregion entweder gar nicht oder nur implizit über diskrete Kopfmodelle abdecken. Dann die anthropometrische Evidenz: Dass sich die Periorbitalregion systematisch unterscheidet, ist keine Vermutung, sondern gut belegt. Hier 3–5 Quellen, die Variation entlang verschiedener Achsen zeigen – ethnischer Hintergrund (Epikanthus-Prävalenz, Lidfaltenausprägung, Lidspaltengeometrie), Geschlecht, Alter (Lidhauterschlaffung, Ptosis), und natürliche Asymmetrien. Du musst das nicht enzyklopädisch abhandeln – es reicht, überzeugend zu zeigen, dass diese Variation real, systematisch und visuell relevant ist. Der Absatz endet mit der Schlussfolgerung: Wenn diese Variation in der Realität existiert, dann sollte ein synthetischer Generator sie auch abbilden können.
**4.2 Parametrische Modellierung morphologischer Variation** (ca. 1.5–2 Seiten)
Hier würde ich vom Allgemeinen zum Speziellen vorgehen, in drei Schritten:

Zuerst die **klassischen 3D Morphable Models** – BFM und FLAME als etablierte Ansätze. Kurz gehalten, 1–2 Absätze. Der Punkt ist nicht, diese Modelle im Detail zu erklären, sondern eine zentrale Eigenschaft herauszuarbeiten: Ihre Dimensionen sind PCA-basiert, holistisch und typischerweise nicht semantisch interpretierbar. Man kann nicht sagen "dreh an Dimension 47 und die Lidfalte wird tiefer". UnityEyes' Morphable Eye Region Model hat dasselbe Problem – die erste Hauptkomponente erfasst zwar grob "hooded vs. protruding", aber das sind keine benennbaren anatomischen Features.

Dann **Wisetchat 2018** als Gegenentwurf und methodisches Kernstück des Unterkapitels. Hier ausführlicher, vielleicht ein guter Absatz. Der entscheidende Kontrast: Statt holistische PCA-Dimensionen zu verwenden, definiert Wisetchat explizite lokale Formmerkmale – Falten, Wölbungen, Neigungen – mit kontinuierlichen Attributen, die quasi-orthogonal zueinander stehen. Die Augenregion ist eine von sechs Gesichtsregionen. Die Attribute sind semantisch benennbar und visuell nachvollziehbar. Das Modell wurde für die menschliche Wahrnehmung ethnischer Variation entwickelt, nicht für maschinelles Lernen – aber der Modellierungsansatz ist genau das, was einer Synthesepipeline fehlt.

Abschließend die **Abgrenzung zur eigenen Arbeit**, als Überleitung zu Kapitel 5. Wisetchat modelliert das ganze Gesicht für Visualisierungszwecke; deine Arbeit nimmt denselben Grundgedanken – explizite, semantische, unabhängig steuerbare Formparameter – und wendet ihn spezifisch auf die Periorbitalregion in einer Blender-Pipeline an, mit dem Ziel, Trainingsdaten für Pupillensegmentierung zu erzeugen. Gleiche Philosophie, anderer Kontext und Zweck.

Die argumentative Linie des ganzen Kapitels ist also: **Variation existiert** (4.1) → **andere haben Variation parametrisch modelliert, aber entweder holistisch-unsemantisch oder nicht für Eyetracking** (4.2) → **diese Lücke adressiert die eigene Arbeit** (→ Kapitel 5).


# Variante 1 von Claudibum
## 4 Modellierung interindividueller anatomischer Variation der Periorbitalregion

  

### 4.1 Periorbitale Morphologie als relevante Variationsachse

  

Die in Kapitel 1 vorgestellten Synthesepipelines variieren fast ausschließlich *dynamische* Bildparameter: Blickrichtung, Kopfpose, Beleuchtung und Pupillendurchmesser ändern sich von Bild zu Bild und erzeugen die gewünschte Trainingsvarianz. Die *statische Grundform* der Augenregion – Lidspaltengeometrie, Lidfaltentiefe, Epikanthuspräsenz, Kanthusneigung – wird dagegen entweder gar nicht randomisiert oder nur implizit über eine kleine Menge diskreter 3D-Kopfmodelle abgedeckt (zehn bei SynthesEyes und NVGaze, 24 bei RIT-Eyes). Damit fehlt den generierten Datensätzen eine wesentliche Dimension natürlicher Erscheinungsvielfalt, die in der anthropometrischen Literatur gut dokumentiert ist.

  

Dass sich die Periorbitalregion systematisch zwischen Individuen unterscheidet, ist keine Vermutung, sondern quantitativ belegt. Die umfassendste Referenz liefert die internationale Vergleichsstudie von **Farkas, Katic und Forrest et al.** [1], die 1 470 Personen aus 25 ethnischen Gruppen auf vier Kontinenten vermessen und signifikante Unterschiede in biokulärer Breite, Interkanthalabstand und Lidspaltenneigung dokumentiert hat. Auf Populationsebene zeigen sich die Unterschiede besonders deutlich in der Lidspaltengeometrie: **Rhee, Woo und Kwon** [2] berichten für koreanische Gesichter eine mittlere Lidspaltenhöhe von ca. 8,6 mm gegenüber ca. 10,7 mm bei kaukasischen und ca. 10,8 mm bei afrikanischen Gesichtern, während die Kanthusneigung in ostasiatischen Populationen mit 10–11° deutlich steiler ausfällt als in kaukasischen (ca. 7°) oder afrikanischen Gruppen (ca. 5°). Ergänzende Studien an südindischen [3], malaysischen [4] und serbischen Kohorten [5] bestätigen, dass Lidspaltenbreite, -höhe und -neigung signifikant mit ethnischem Hintergrund und Geschlecht variieren.

  

Neben der Lidspalte selbst unterscheiden sich weitere Merkmale substanziell. Die *Supratarsalfalte* (Doppellidfalte) ist bei über 85 % der Europäer\*innen sichtbar, aber je nach Studie nur bei 40–83 % der ostasiatischen Bevölkerung vorhanden; **Lu, Kadir, Ngeow und Othman** [6] fanden eine Prävalenz von 100 % bei malaiischen gegenüber 70 % bei chinesischen Proband\*innen, mit deutlich unterschiedlicher Faltenhöhe (8,3 vs. 4,9 mm). Die Epikanthalfalte – eine Hautfalte, die den medialen Kanthus überdeckt – kommt bei 60–90 % der ost- und südostasiatischen Erwachsenen vor, aber bei weniger als 10 % der europäischen Bevölkerung. Anatomisch wird dieser Unterschied auf die tiefere Insertion des Orbitalseptums am Levator und die stärkere Ausprägung des präseptalen Orbicularis-oculi-Muskels zurückgeführt [7]. Zusätzlich belegen Studien zur *natürlichen bilateralen Asymmetrie* [8], dass bei 24–27 % der untersuchten Personen (594 koreanische Erwachsene) eine Seitendifferenz der Lidspaltenhöhe von ≥1 mm und bei 22–36 % eine Neigungsdifferenz von ≥2° besteht. Schließlich verändert das Alter die periorbitale Geometrie: Lidhauterschlaffung, Ptosis und Veränderungen der Orbitalfettverteilung führen nach dem 45. Lebensjahr zu messbaren Verschiebungen der Lidspaltenmaße [9]. Auf skelettaler Ebene unterscheidet sich der Orbitalindex zwischen Populationen – megaseme (runde) Orbita dominieren in Ostasien, mikroseme (rechteckige) in Afrika –, was die darüberliegende Weichteilgeometrie mit beeinflusst.

  

Die Schlussfolgerung ist direkt: Lidform, Lidfalte, Epikanthus und Kanthusneigung bilden ein mehrdimensionales System biologisch fundierter, visuell wirksamer Formvariation, das sich systematisch entlang von Ethnie, Geschlecht und Alter unterscheidet. Ein synthetischer Generator, der diese Achsen nicht abbildet, erzeugt Trainingsdaten, die einen wesentlichen Teil der natürlichen Erscheinungsvielfalt ausblenden – mit potenziellen Konsequenzen für die Generalisierungsfähigkeit trainierter Modelle.

  

### 4.2 Parametrische Modellierung morphologischer Variation

  

Die parametrische Modellierung von Gesichtsform hat eine lange Tradition in der Computer Vision. **3D Morphable Models (3DMMs)** repräsentieren Gesichtsgeometrie als Linearkombination von Basisformen, die durch Hauptkomponentenanalyse (PCA) aus registrierten 3D-Scans gewonnen werden. Das **Basel Face Model (BFM)** [10] wurde aus 200 Laserscans überwiegend europäischer Proband\*innen trainiert und erzeugt 199 Formkomponenten über einem Mesh von 53 490 Vertices. **FLAME** [11] erweitert das Prinzip um ein artikuliertes Kopfmodell mit 5 023 Vertices, trainiert auf ca. 3 800 Kopfscans, und stellt 300 Identitäts- sowie 100 Expressionsparameter bereit, ergänzt um vier Gelenke (Hals, Kiefer, zwei Augäpfel) und poseabhängige Korrektur-Blendshapes. Das **Large Scale Facial Model (LSFM)** [12] steigerte die Trainingsbasis auf 9 663 Identitäten und zeigte durch t-SNE-Visualisierungen, dass demographische Cluster auf der Formmannigfaltigkeit implizit kodiert werden.

  

Alle drei Modelle teilen jedoch eine strukturelle Einschränkung: Ihre Dimensionen sind *holistisch und semantisch nicht interpretierbar*. PCA maximiert erklärte Varianz, nicht anatomische Bedeutung – eine einzelne Hauptkomponente verändert typischerweise gleichzeitig Nasenbreite, Wangenprominenz, Brauenform und Orbitaltiefe. Es gibt keinen Parameter, der gezielt die Tiefe der Lidfalte, die Breite der Lidspalte oder die Ausprägung einer Epikanthalfalte steuert. Dasselbe gilt für das **3D Morphable Eye Region Model** von **Wood, Baltrušaitis, Morency, Robinson und Bulling** [13], das erstmals ein PCA-basiertes Formmodell speziell für die Augenregion entwickelte: Acht Formkoeffizienten erfassen 90 % der Varianz über 22 Kopfscans, und die erste Hauptkomponente unterscheidet grob zwischen „hooded" und „protruding" Augen. Die Koeffizienten sind jedoch weder benannt noch anatomisch zuweisbar, und die Trainingsbasis von 22 Scans ist zu klein, um die in Abschnitt 4.1 dokumentierte globale Variationsbreite abzubilden. UnityEyes [14] nutzt genau dieses Modell als Formgenerator, steht aber vor demselben Problem: Die PCA-Achsen erlauben keine gezielte Steuerung einzelner anatomischer Merkmale.

  

Einen grundlegend anderen Ansatz verfolgt **Wisetchat** [15] in ihrer Dissertation *Description-based Visualisation of Ethnic Facial Types* (Glasgow School of Art), mit anschließender Validierung in Wisetchat, Stevens und Frost [16]. Statt holistische PCA-Dimensionen zu verwenden, definiert das dort vorgestellte **Topographical Face Model (TFM)** 71 semantisch interpretierbare, lokale Formattribute über 36 anatomische Merkmale in sechs Gesichtsregionen. Jedes Attribut ist als unabhängiger Blendshape-Deformer auf einer Catmull-Clark-Subdivisionsfläche implementiert, mit einem linearen Interpolationskoeffizienten α ∈ [0, 1] zwischen einer Basisform und einer Zielform. Quasi-Orthogonalität wird dadurch erzielt, dass jeder Blendshape nur entlang einer der drei anatomischen Achsen – mediolateral, superoinferior oder anteroposterior – deformiert.

  

Die *Periorbitalregion* ist mit 12 Features und 14 Attributen die reichste Einzelregion des Modells und erfasst genau jene Merkmale, deren Variabilität in Abschnitt 4.1 dokumentiert wurde: Endokanthion- und Exokanthionposition (steuern Kanthusneigung und Lidspaltenbreite), Lidspaltenhöhe, obere und untere Lidkonvexität als kontinuierliche Gewichte, mehrere Tiefenparameter für die periorbitale Fossa, die Tiefe des Supratarsalsulkus, ein Attribut für die *Supratarsalfalte* (STF_weight, das die Faltenausprägung von abwesend bis stark ausgeprägt steuert) sowie ein eigenes Attribut für die *Epikanthalfalte* (ECF_weight, das den Überdeckungsgrad des medialen Kanthus und die Bogenform der Falte kontrolliert). Der entscheidende Kontrast zu klassischen 3DMMs ist, dass jeder dieser Parameter semantisch benennbar, anatomisch zuweisbar und unabhängig von den anderen steuerbar ist. In einer Validierung an 80 stereophotogrammetrisch erfassten Gesichtern (40 ostasiatisch, 40 europäisch) lagen über 80 % der Oberflächenpunkte innerhalb von 1 mm der Originalscans, und eine MANOVA bestätigte, dass die 71 TFM-Attribute geographische Herkunft und Geschlecht signifikant trennen (jeweils p < 0,0001) [16].

  

Wisetchats Arbeit zielt jedoch auf die *menschliche visuelle Wahrnehmung* ethnischer Gesichtsvariation – das TFM ist ein interaktives Explorationswerkzeug, implementiert in Autodesk Maya, nicht ein Datengenerator für maschinelles Lernen. Die vorliegende Arbeit übernimmt denselben Grundgedanken – explizite, semantisch interpretierbare, quasi-orthogonale Formparameter für die Periorbitalregion –, wendet ihn aber in einem anderen Kontext an: als Randomisierungsachsen innerhalb einer Blender-basierten Synthesepipeline, mit dem Ziel, Trainingsdaten für ein Pupillensegmentierungsmodell zu erzeugen. Die Parameter werden nicht interaktiv exploriert, sondern stochastisch gesampelt, um die in Abschnitt 4.1 belegte natürliche Variationsbreite systematisch abzudecken. Gleiche Modellierungsphilosophie, anderer Anwendungskontext und Zweck – eine Kombination, die in der bisherigen Literatur zur synthetischen Eye-Tracking-Datengenerierung nicht realisiert wurde. Kapitel 5 positioniert diese Lücke explizit und formuliert den Beitrag der eigenen Arbeit.

  

---

  

### Quellenverzeichnis

  

[1] Farkas, L. G., Katic, M. J., Forrest, C. R. et al. — *International Anthropometric Study of Facial Morphology in Various Ethnic Groups/Races.* Journal of Craniofacial Surgery, 16(4), 615–646, 2005.

  

[2] Rhee, S. C., Woo, K. S. & Kwon, B. — *Biometric Study of Eyelid Shape and Dimensions of Different Races with References to Beauty.* Aesthetic Plastic Surgery, 36(5), 1236–1245, 2012.

  

[3] Vasanthakumar, P., Kumar, P. & Rao, M. — *Anthropometric Analysis of Palpebral Fissure Dimensions and its Position in South Indian Ethnic Adults.* Oman Medical Journal, 28(1), 26–32, 2013.

  

[4] Packirisamy, V. & Kumar, P. D. — *Photogrammetric Analysis of Palpebral Fissure Dimensions and its Position in Malaysian South Indian Ethnic Adults by Gender.* North American Journal of Medical Sciences, 4(10), 458–462, 2012.

  

[5] Knezi, N. et al. — *Morphometric Analysis of the Palpebral Fissure and Orbital Region in Young Adults.* International Journal of Morphology, 38(5), 1381–1386, 2020.

  

[6] Lu, T. Y., Kadir, K., Ngeow, W. C. & Othman, S. A. — *The Prevalence of Double Eyelid and the 3D Measurement of Orbital Soft Tissue in Malays and Chinese.* Scientific Reports, 7, 14885, 2017.

  

[7] Park, D. H. & Woo, K. J. — *The Asian Eyelid: Relevant Anatomy.* Seminars in Plastic Surgery, 29(3), 158–164, 2015.

  

[8] Song, W. C., Kim, S. J., Kim, S. H., Hu, K. S., Kim, H. J. & Koh, K. S. — *Asymmetry of the Palpebral Fissure and Upper Eyelid Crease in Koreans.* Journal of Plastic, Reconstructive & Aesthetic Surgery, 60(3), 251–255, 2007.

  

[9] Patil, S. B. et al. — *Age-related Changes in Palpebral Fissure Dimensions.* Journal of Clinical and Diagnostic Research, 5(3), 600–604, 2011.

  

[10] Paysan, P., Knothe, R., Amberg, B., Romdhani, S. & Vetter, T. — *A 3D Face Model for Pose and Illumination Invariant Face Recognition.* Proc. IEEE International Conference on Advanced Video and Signal Based Surveillance (AVSS), 296–301, 2009.

  

[11] Li, T., Bolkart, T., Black, M. J., Li, H. & Romero, J. — *Learning a Model of Facial Shape and Expression from 4D Scans.* ACM Transactions on Graphics (Proc. SIGGRAPH Asia), 36(6), 194, 2017.

  

[12] Booth, J., Roussos, A., Zafeiriou, S., Ponniah, A. & Dunaway, D. — *A 3D Morphable Model Learnt from 10,000 Faces.* Proc. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 5543–5552, 2016. — Erweiterte Fassung: *Large Scale 3D Morphable Models.* International Journal of Computer Vision, 126(2–4), 233–254, 2018.

  

[13] Wood, E., Baltrušaitis, T., Morency, L.-P., Robinson, P. & Bulling, A. — *A 3D Morphable Eye Region Model for Gaze Estimation.* Proc. European Conference on Computer Vision (ECCV), 297–313, 2016.

  

[14] Wood, E., Baltrušaitis, T., Zhang, X., Sugano, Y., Robinson, P. & Bulling, A. — *Rendering of Eyes for Eye-Shape Registration and Gaze Estimation.* Proc. IEEE International Conference on Computer Vision (ICCV), 3756–3764, 2015. — UnityEyes: Wood, E., Baltrušaitis, T., Morency, L.-P., Robinson, P. & Bulling, A. — *Learning an Appearance-Based Gaze Estimator from One Million Synthesised Images.* Proc. ACM Symposium on Eye Tracking Research & Applications (ETRA), 131–138, 2016.

  

[15] Wisetchat, K. — *Description-based Visualisation of Ethnic Facial Types.* Dissertation, Glasgow School of Art, 2018.

  

[16] Wisetchat, K., Stevens, R. & Frost, A. — *Facial Modeling and Measurement Based upon Homologous Topographical Features.* PLOS ONE, 19(6), e0304561, 2024.

# Variante 2 von Gibbidy
## 4. Modellierung interindividueller anatomischer Variation der Periorbitalregion

  

### 4.1 Periorbitale Morphologie als relevante Variationsachse

  

Die meisten synthetischen Eye-Tracking-Pipelines variieren primär dynamische oder extrinsische Faktoren wie Blickrichtung, Kopfpose, Beleuchtung, Kameraparameter oder Pupillendurchmesser. Die statische Grundform der Augenregion – also die anatomische Ausprägung von Lidern, Kanthusgeometrie oder periorbitalem Weichgewebe – wird dagegen häufig konstant gehalten oder nur implizit über eine kleine Zahl diskreter Kopfmodelle abgebildet. Damit bleibt eine zentrale Formdimension realer Gesichter weitgehend unberücksichtigt: die interindividuelle Variation der periorbitalen Morphologie.

  

Anthropometrische und klinische Studien zeigen jedoch eindeutig, dass die Augenregion systematisch entlang mehrerer Achsen variiert. Besonders gut dokumentiert sind Unterschiede in Abhängigkeit vom ethnischen Hintergrund. Dreidimensionale Messstudien berichten signifikante Differenzen in Lidspaltenhöhe, Lidspaltenbreite, Irisdurchmesser, Kanthuswinkeln sowie in der Ausprägung der supratarsalen Lidfalte zwischen verschiedenen Bevölkerungsgruppen. So weisen beispielsweise ostasiatische Populationen eine hohe Prävalenz der Epikanthus-Falte auf, während sie in kaukasischen Stichproben praktisch nicht vorkommt. Auch Mischpopulationen, etwa lateinamerikanische Probandengruppen, zeigen intermediäre oder heterogene Merkmalsverteilungen. Diese Befunde verdeutlichen, dass Merkmale wie Epikanthus, Lidfaltenhöhe oder Kanthusneigung populationsspezifisch variieren und konsistente morphologische Muster bilden. [01][02][03] ([PubMed][1])

  

Neben ethnischer Variation sind auch geschlechtsspezifische Unterschiede dokumentiert. Studien berichten signifikante Differenzen in Lidspaltenmaßen, Brauenpositionen und Lidproportionen zwischen Männern und Frauen. Ebenso beeinflusst das Alter die periorbitale Region deutlich: Mit zunehmendem Alter verändern sich Lidhautspannung, Kanthuspositionen und Lidkonturen; zugleich verschieben sich bestimmte Proportionen der Augenregion systematisch. Darüber hinaus ist periokuläre Asymmetrie ein bekanntes Phänomen, das in der klinischen Literatur regelmäßig beschrieben wird. [01][02][04][05] ([PubMed][1])

  

Diese empirischen Befunde belegen, dass die periorbitale Morphologie keine marginale Detailvariation darstellt, sondern eine eigenständige, biologisch fundierte Variationsachse menschlicher Gesichter. Lidform, Lidfalte, Kanthusgeometrie oder Epikanthus sind systematisch verteilt, demographisch geprägt und visuell relevant. Wenn synthetische Trainingsdaten reale Populationen adäquat repräsentieren sollen, muss ein Generator daher nicht nur Blick und Beleuchtung variieren, sondern auch die statische Grundform der Augenregion modellierbar machen. [01][02][03][04][05] ([PubMed][1])

  

### 4.2 Parametrische Modellierung morphologischer Variation

  

Die parametrische Modellierung von Gesichtsvariation ist in der Computergrafik und Computer Vision seit langem etabliert. Klassische 3D Morphable Models wie das Basel Face Model (BFM) oder FLAME repräsentieren Gesichtsform in einem linearen Unterraum, der aus 3D-Scandaten gelernt wird. Neue Gesichter entstehen dabei durch lineare Kombination weniger globaler Formdimensionen. [06][07] ([edoc.unibas.ch][2])

  

Diese Modelle sind leistungsfähig und erlauben realistische Rekonstruktionen sowie statistisch konsistente Variationen. Ihre Parameter besitzen jedoch in der Regel keine direkte semantische Interpretierbarkeit. Die Hauptkomponenten beschreiben holistische Formachsen, die gleichzeitig mehrere Gesichtsregionen beeinflussen. Eine einzelne Dimension kann somit Veränderungen an Stirn, Wangen und Augenpartie zugleich enthalten. Eine gezielte Steuerung isolierter Merkmale – etwa „größere Lidfaltenhöhe“ oder „stärker ausgeprägter Epikanthus“ – ist damit nicht explizit vorgesehen. Für den vorliegenden Kontext ist genau das die zentrale Einschränkung: Variation ist zwar modelliert, aber nicht in Form lokal benennbarer, anatomisch plausibler Parameter. [06][07] ([edoc.unibas.ch][2])

  

Einen konzeptionell anderen Ansatz verfolgt Wisetchat mit Arbeiten zur beschreibungsbasierten Modellierung ethnischer Gesichtsvariation. Statt latenter, statistischer Hauptkomponenten definiert dieser Ansatz explizite, semantisch benennbare Formattribute, die auf anatomischer Terminologie basieren und als Blendshapes umgesetzt werden. Die Gesichtsform wird dabei durch lokal interpretierbare Parameter gesteuert, die jeweils klar abgegrenzte topographische Veränderungen repräsentieren. Für die Augenregion umfasst dies beispielsweise Attribute zur Ausprägung der Epikanthus-Falte, zur Form der supratarsalen Lidfalte oder zu spezifischen Wölbungen und Neigungen. Die Parameter sind kontinuierlich skalierbar und weitgehend unabhängig voneinander kombinierbar, wodurch sich beschreibbare morphologische Zustände systematisch variieren lassen. [08][09] ([radar.gsa.ac.uk][3])

  

Der zentrale Unterschied zu klassischen 3DMMs liegt damit weniger in der technischen Grundidee deformierbarer 3D-Modelle als in der Struktur des Parameterraums. Während PCA-basierte Modelle statistische Varianz maximieren, strukturiert Wisetchats Ansatz den Formraum entlang semantischer, regionenspezifischer Merkmale. Dadurch wird Variation nicht nur erzeugt, sondern auch sprachlich beschreibbar und gezielt steuerbar. Genau das ist für eine Synthesepipeline mit kontrollierbaren Augenformparametern methodisch besonders relevant. [08][09] ([radar.gsa.ac.uk][3])

  

Für die vorliegende Arbeit ist dies vor allem als Nachbarliteratur wichtig. Wisetchat modelliert das gesamte Gesicht und verfolgt primär ein Ziel der Visualisierung und Analyse wahrgenommener ethnischer Variation, nicht die Erzeugung synthetischer Trainingsdaten für Eye-Tracking oder Pupillensegmentierung. Die eigene Arbeit übernimmt dagegen denselben Grundgedanken – explizite, semantisch interpretierbare und lokal steuerbare Formparameter –, beschränkt ihn jedoch gezielt auf die Periorbitalregion und integriert ihn in eine Blender-basierte Synthesepipeline zur Datengenerierung. [08][09] ([radar.gsa.ac.uk][3])

  

Zusammenfassend ergibt sich folgende Argumentationslinie: Die interindividuelle Variation der periorbitalen Morphologie ist empirisch gut belegt. Parametrische Gesichtsmodelle existieren bereits, modellieren Variation jedoch entweder holistisch und latent oder mit einem anderen Anwendungsziel. Daraus ergibt sich als Schlussfolgerung, dass eine explizit semantische, lokal fokussierte und für Eye-Tracking-Datensynthese konzipierte Modellierung der periorbitalen Formvariation bislang nur unzureichend adressiert ist. Diese Lücke bildet den Ausgangspunkt für die Positionierung der eigenen Arbeit in Kapitel 5. [01][02][03][04][05][06][07][08][09] ([PubMed][1])

  

## Quellenverzeichnis

  

* **[01]** Gao, Tao; Guo, Yongwei; Rokohl, Alexander C.; Fan, Wanlin; Lin, Ming; Ju, Sitong; Li, Xueting; Hou, Xincen; Rosenkranz, Till A.; Zhang, Guosheng; Bai, Haixia; Ni, Kaiwen; Yao, Ke; Heindl, Ludwig M. (2025). *Racial and sexual differences of eyebrow and eyelid morphology: three-dimensional analysis in young Caucasian and Chinese populations*. [Link](https://pubmed.ncbi.nlm.nih.gov/39839011/) ([PubMed][1])

  

* **[02]** Price, Kelly M.; Gupta, Pravin K.; Woodward, Julie A.; Stinnett, Sandra S.; Murchison, Andrew P. (2009). *Eyebrow and eyelid dimensions: an anthropometric analysis of African Americans and Caucasians*. [Link](https://pubmed.ncbi.nlm.nih.gov/19644282/) ([PubMed][1])

  

* **[03]** Cai, Xianxian; Chen, Ying; Li, Qian; Ma, Huan; Tang, Zhixin; Nie, Cong; Lu, Rong (2019). *Anthropometric Analysis on the Ocular Region Morphology of Children and Young Adults in Chinese Han Population*. [Link](https://pubmed.ncbi.nlm.nih.gov/30365477/) ([PubMed][4])

  

* **[04]** Liu, Jinhua; Rokohl, Alexander C.; Liu, Honglei; Fan, Wanlin; Li, Senmao; Hou, Xiaoyi; Ju, Sitong; Guo, Yongwei; Heindl, Ludwig M. (2022/2023). *Age-related changes of the periocular morphology: a two- and three-dimensional anthropometry study in Caucasians*. [Link](https://pubmed.ncbi.nlm.nih.gov/35969325/) ([PubMed][5])

  

* **[05]** Tower, Robert N.; Soparkar, Charles N. S.; Patrinely, James R. (2007). *Perspectives on Periocular Asymmetry*. [Link](https://pmc.ncbi.nlm.nih.gov/articles/PMC2884825/) ([PMC][6])

  

* **[06]** Paysan, Pascal; Knothe, Reinhard; Amberg, Brian; Romdhani, Sami; Vetter, Thomas (2009). *A 3D Face Model for Pose and Illumination Invariant Face Recognition*. [Link](https://edoc.unibas.ch/entities/publication/aaccd257-0d00-4447-94e8-11a5ff796a9f) ([edoc.unibas.ch][2])

  

* **[07]** Li, Tianye; Bolkart, Timo; Black, Michael J.; Li, Hao; Romero, Javier (2017). *Learning a model of facial shape and expression from 4D scans*. [Link](https://is.mpg.de/publications/flame-2017) ([is.mpg.de][7])

  

* **[08]** Wisetchat, Sawitree; DeBruine, Lisa; Livingstone, Daniel (2018). *Digital Exploration of Ethnic Facial Variation*. [Link](https://radar.gsa.ac.uk/6090/1/ilrn_2018_paper_14.pdf) ([radar.gsa.ac.uk][3])

  

* **[09]** Wisetchat, Sawitree; Stevens, Kent A.; Frost, Stephen R. (2024). *Facial modeling and measurement based upon homologous topographical features*. [Link](https://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0304561) ([PMC][8])


# Variante 3 von Jammy

## 4\. Modellierung interindividueller anatomischer Variation der Periorbitalregion

Die Generierung synthetischer Trainingsdaten für das Eye-Tracking hat in den letzten Jahren enorme Fortschritte erzielt. Bestehende Pipelines konzentrieren sich jedoch primär auf die Variation extrinsischer oder dynamischer Parameter wie Blickrichtung (Gaze), Kopfpose, Beleuchtung und Pupillengröße. Die statische Grundform der Augenregion – die individuelle Anatomie – wird dabei oft vernachlässigt oder nur oberflächlich durch eine begrenzte Anzahl diskreter Kopfmodelle abgedeckt. Dieses Kapitel begründet, warum die periorbitale Morphologie eine eigenständige Variationsachse darstellt und wie diese parametrisch modelliert werden kann.
### **4.1 Periorbitale Morphologie als relevante Variationsachse**

Die wissenschaftliche Notwendigkeit, Augenformvariationen explizit zu modellieren, ergibt sich aus der anthropometrischen Evidenz, die zeigt, dass die periorbitale Region zwischen Individuen systematisch variiert. Diese Variation ist nicht zufällig, sondern folgt klaren biologischen Achsen wie Ethnie, Geschlecht und Alter.1  

**Ethnische Variation und Epicanthus:** Der markanteste Unterschied liegt in der Ausprägung der Lidfalte und des Epicanthus (Mongolenfalte). Während der Epicanthus in kaukasischen Populationen selten ist, weisen etwa 40 % bis 90 % der ostasiatischen Bevölkerung einen *Epicanthus tarsalis* auf.1 Studien zeigen signifikante Unterschiede in der Lidspaltenbreite (PFW) und \-höhe (PFH) sowie im *Canthal Tilt* (Neigungswinkel zwischen den Augenwinkeln).1 Ein synthetischer Datensatz, der diese Merkmale ignoriert, erzeugt einen systematischen Bias, da die Verdeckungsmuster der Iris durch das Lid bei asiatischen Probanden fundamental anders ausfallen.4  

**Geschlecht und Alter:** Sexueller Dimorphismus äußert sich unter anderem in einer signifikant größeren Interpupillardistanz (IPD) und vertikalen Lidspaltenhöhe bei Männern.6 Der Alterungsprozess führt ab dem 40\. Lebensjahr zu einer Erschlaffung des Gewebes (Ptosis), wodurch die vertikale Augenöffnung sinkt und sich die Tiefe der Lidfalte verändert.2  

**Asymmetrien:** Natürliche Gesichtsasymmetrien, etwa geringfügige Unterschiede in der Lidhöhe oder vertikale Verschiebungen der Augenposition, sind in der Realität die Norm. Für biometrische Systeme sind diese Abweichungen kritisch, da sie die Annahme einer idealen Symmetrie verletzen.8  

Zusammenfassend lässt sich festhalten: Wenn diese Variationen in der Realität existieren und die Leistung von Eye-Tracking-Algorithmen beeinflussen, muss ein robuster synthetischer Generator in der Lage sein, diese Achsen kontinuierlich abzubilden, anstatt nur zwischen wenigen Standardmodellen zu wählen.

### **4.2 Parametrische Modellierung morphologischer Variation**

Um diese anatomische Vielfalt technisch nutzbar zu machen, ist eine kontrollierbare, parametrische Beschreibung der Geometrie erforderlich. Die Literatur bietet hierfür verschiedene Ansätze, die sich in ihrer Granularität und Interpretierbarkeit unterscheiden.

#### **Statistische und holistische Modelle (BFM & FLAME)**
Klassische *3D Morphable Models* (3DMMs) wie das Basel Face Model (BFM) oder FLAME basieren auf der Hauptkomponentenanalyse (PCA) großer Scan-Datenbanken.9 Diese Modelle beschreiben ein Gesicht als Linearkombination statistischer Basen.11 Der entscheidende Nachteil für die Eye-Tracking-Synthese ist der **holistische Charakter**: Die PCA-Dimensionen sind mathematisch orthogonal, aber semantisch nicht interpretierbar.12 Eine Änderung an einem Koeffizienten kann zwar die Augenform beeinflussen, gleichzeitig aber auch die Wangenknochen oder die Kieferlinie verändern. Es fehlt die Möglichkeit, gezielt Parameter wie die „Lidfalten-Tiefe“ anzusteuern.12 Auch spezialisierte Modelle wie das in *UnityEyes* verwendete *Morphable Eye Region Model* leiden unter dieser Einschränkung. Zwar erfasst die erste Hauptkomponente grob den Gegensatz zwischen „hooded“ (verdeckt) und „protruding“ (hervorstehend), doch handelt es sich um eine implizite Variation ohne benennbare anatomische Features.

#### **Semantische Modellierung (Wisetchat 2018\)**

Einen Gegenentwurf stellt das *Topographical Face Model* (TFM) von Sawitree Wisetchat dar. Anstatt auf abstrakte PCA-Räume setzt Wisetchat auf ein semantisches Lexikon von 71 bis 77 Attributen, die direkt auf anatomischen Fachbegriffen basieren.13 Lokale Merkmale wie Falten, Wölbungen und Neigungen werden über kontinuierliche, quasi-orthogonale Formparameter gesteuert.14 Für die Augenregion definiert Wisetchat explizite Parameter wie *Superior Palpebral Sulcus depth* (Tiefe der Lidfalte) oder *Epicanthal Fold weight*.13 Dieses Modell wurde primär für die „human visual appreciation“ entwickelt – also um menschlichen Betrachtern ethnische Unterschiede visuell begreifbar zu machen.14 Es bietet jedoch genau die lokale Geometrie-Kontrolle, die statistischen Modellen fehlt.
#### **Abgrenzung und Positionierung der eigenen Arbeit**

Die vorliegende Arbeit übernimmt die Kernphilosophie von Wisetchat – die explizite, semantische und unabhängige Steuerung lokaler Formparameter – und überträgt sie in einen neuen Anwendungskontext.  

Während Wisetchat das gesamte Gesicht für Visualisierungszwecke modelliert, konzentriert sich dieser Ansatz exklusiv auf die **Periorbitalregion innerhalb einer Blender-Synthesepipeline**. Der entscheidende Unterschied liegt im Zweck: Es geht nicht um die menschliche Wahrnehmung, sondern um die Erzeugung massiver Mengen an Ground-Truth-Daten für die maschinelle Pupillensegmentierung. Durch die Implementierung semantischer Parameter (wie Epicanthus-Stärke oder Lidform) direkt im Rig des 3D-Modells wird die Anatomie von einem statischen Hintergrundfaktor zu einer aktiv steuerbaren Variationsachse. Dies schließt die Lücke zwischen den hochflexiblen, aber unsemantischen PCA-Modellen und den statischen, wenig diversen Modellen klassischer Synthesepipelines.

##### **Referenzen**
1. Racial and sexual differences of eyebrow and eyelid morphology: three-dimensional analysis in young Caucasian and Chinese populations \- PMC, Zugriff am März 29, 2026, [https://pmc.ncbi.nlm.nih.gov/articles/PMC11744102/](https://pmc.ncbi.nlm.nih.gov/articles/PMC11744102/)  
2. Orbital and periorbital anthropometric variations and effect of age and gender on these variables \- ResearchGate, Zugriff am März 29, 2026, [https://www.researchgate.net/publication/363884192\_Orbital\_and\_periorbital\_anthropometric\_variations\_and\_effect\_of\_age\_and\_gender\_on\_these\_variables](https://www.researchgate.net/publication/363884192_Orbital_and_periorbital_anthropometric_variations_and_effect_of_age_and_gender_on_these_variables)  
3. Cosmetic outcomes of epicanthoplasty for epicanthus tarsalis \- PMC \- NIH, Zugriff am März 29, 2026, [https://pmc.ncbi.nlm.nih.gov/articles/PMC10365251/](https://pmc.ncbi.nlm.nih.gov/articles/PMC10365251/)  
4. The Influence of Eye Model Parameter Variations on Simulated Eye-Tracking Outcomes, Zugriff am März 29, 2026, [https://www.mdpi.com/1995-8692/16/3/13](https://www.mdpi.com/1995-8692/16/3/13)  
5. In the eye of the beholder? Gaze perception and the external morphology of the human eye | JOV | ARVO Journals, Zugriff am März 29, 2026, [https://jov.arvojournals.org/article.aspx?articleid=2811007](https://jov.arvojournals.org/article.aspx?articleid=2811007)  
6. Orbital and periorbital anthropometric variations and effect of age and gender on these variables \- Via Medica Journals, Zugriff am März 29, 2026, [https://journals.viamedica.pl/ophthalmology\_journal/article/viewFile/88021/66810](https://journals.viamedica.pl/ophthalmology_journal/article/viewFile/88021/66810)  
7. Upper eyelid morphology and age‐related changes in Japanese and Chinese females, Zugriff am März 29, 2026, [https://www.researchgate.net/publication/381313975\_Upper\_eyelid\_morphology\_and\_age-related\_changes\_in\_Japanese\_and\_Chinese\_females](https://www.researchgate.net/publication/381313975_Upper_eyelid_morphology_and_age-related_changes_in_Japanese_and_Chinese_females)  
8. Determining Asymmetry Thresholds in Anophthalmia/Microphthalmia Using a Three-dimensional Animated Model \- PMC, Zugriff am März 29, 2026, [https://pmc.ncbi.nlm.nih.gov/articles/PMC11692783/](https://pmc.ncbi.nlm.nih.gov/articles/PMC11692783/)  
9. Learning a model of facial shape and expression from 4D scans, Zugriff am März 29, 2026, [https://is.mpg.de/uploads/publication\_attachment/attachment/400/paper.pdf](https://is.mpg.de/uploads/publication_attachment/attachment/400/paper.pdf)  
10. 3D Face Modeling and Reconstruction \- ECSE, Zugriff am März 29, 2026, [https://sites.ecse.rpi.edu/\~cvrl/3DFace\_Eye/3DFace.html](https://sites.ecse.rpi.edu/~cvrl/3DFace_Eye/3DFace.html)  
11. 3D Morphable Model \- Wikipedia, Zugriff am März 29, 2026, [https://en.wikipedia.org/wiki/3D\_Morphable\_Model](https://en.wikipedia.org/wiki/3D_Morphable_Model)  
12. Part-Based 3D Face Morphable Model with Anthropometric Local Control \- OpenReview, Zugriff am März 29, 2026, [https://openreview.net/forum?id=Q7Cy\_qHg6Y](https://openreview.net/forum?id=Q7Cy_qHg6Y)  
13. Facial modeling and measurement based upon homologous topographical features \- PMC, Zugriff am März 29, 2026, [https://pmc.ncbi.nlm.nih.gov/articles/PMC11142440/](https://pmc.ncbi.nlm.nih.gov/articles/PMC11142440/)  
14. Digital Exploration of Ethnic Facial Variation \- RADAR \- The Glasgow School of Art, Zugriff am März 29, 2026, [https://radar.gsa.ac.uk/6090/1/ilrn\_2018\_paper\_14.pdf](https://radar.gsa.ac.uk/6090/1/ilrn_2018_paper_14.pdf)  
15. (a) We attempt to mimic the "Jack Nicholson" expression of partially... \- ResearchGate, Zugriff am März 29, 2026, [https://www.researchgate.net/figure/a-We-attempt-to-mimic-the-Jack-Nicholson-expression-of-partially-closed-eyes-with-an\_fig1\_220791980](https://www.researchgate.net/figure/a-We-attempt-to-mimic-the-Jack-Nicholson-expression-of-partially-closed-eyes-with-an_fig1_220791980)