モデルベースのビジョンは何年もの間、人気が高い研究分野であった。最も簡単な方法のモデルベースのビジョンシステムは、知識ベースとして物体の幾何モデルを使用する。これは正確な形状に記憶された、システムが遭遇するかもしれない全ての物体モデルを持つことを必要とする。知識ベースを作るための仕事は、物体の数に少なくとも線形に増加する。そこで通常使われるような幾何モデルは、人間が直感的に考えるような物体のカテゴリーを表すのに十分な手段ではないことは明確である。新奇な物体認識のためのより一般的な表現の必要性はいくつかの方向でコンピュータビジョンの研究をリードしてきた。
多くの研究の取り組みは、より一般的な表現を作るために基本的な幾何モデルのパラメータ化を用いた[1,8,12,13,16,21,29]。これは、簡単な幾何モデル上の改良であり、与えられたモデルとマッチするすべての物体は、まだ特徴的な構造/幾何学的なプランを理解しなければならない。これらの物体は、標準またはプロトタイプのモデルから、いくつかの次元の単純なサイズ変更や知っているパーツの組の単純な調整によって得られる。このアプローチは、量的に似ている物体に制限される［22］。我々は、より質的に似ている性質の物体を取りいれる物体カテゴリーの定義の構築に興味がある。もし、物体カテゴリーの人間の概念による認識が、いくつかのプロトタイプな幾何形状よりも、より物体機能に強く関係すると考えるならば（そのために相当な証拠［23］がある）、より一般的なモデルを作るために必要とされる異なるスタート地点が選ばれるべきであることは明確である。