Jag skulle väl säga att vi ser mest ut som oss själva i rörelse. En bild fryser ju ett ögonblick där både grimaser kan göras (eller bara ett obekvämt leende...) och beroende på vinkel och perspektiv och andra inställningar kan proportioner påverkas så att de inte stämmer överens med verkligheten. I spegel är man ju mer rörlig, men man är begränsad till specifika vinklar. Hur andra ser en och till viss bild rörlig bild (video) är väl generellt det som stämmer bäst skulle jag säga.
Jag tror att det faktum att man upplever sig själv se annorlunda ut i större utsträckning på olika bilder/filmer är väl för att man oftast ser sig själv i spegeln, där man inte är frusen men har ett ”fast”, rakt perspektiv. Man ser liksom sin näsa framifrån, inte från sidan eller uppifrån eller snett bakifrån, vilket man kan göra på bild. Plus att kroppsspråk är en stor del, tänker jag, förmedla känslor via ögon och kropp kräver rörelse, om än minimal, vilket generellt inte går att fånga på bild och jag vill nog påstå att det har ganska stor del i utseendet - om vi förutsätter att utseende handlar om uppfattningen av fysiska attribut.