close
（來自：TensorFlow Blog）
據悉，MoveNet 模型可供 TF Hub 上的開發者使用，並且提供瞭閃電（Lighting）和雷電（Thunder）兩款衍生版本。前者適用於對延遲比較敏感的關鍵型應用程序，而後者側重於犧牲實效性來提升識別的準確性。
MoveNet 支持快速動作 / 非典型姿態來追蹤關鍵節點
即便如此，Lighting 和 Thunder 兩款模型在現代計算機和智能手機上的運行速度，都較實時類應用的效率要更高一些。谷歌表示，這是在軟件程序中得到實際應用的一個關鍵指標。
傳統方案（上）與 MoveNet（下）在高難度姿態檢測上的效果對比
通過與 IncludHealth 的合作，谷歌希望在傳統護理應用的基礎上，將 MoveNet 進一步推廣到醫院、保險公司和軍隊。
瀏覽器中演示運行的 MoveNet 和 TensorFlow.js 運動平衡評估效果
IncludHealth 創始人兼首席執行官 Ryan Eder 亦對這項技術的前景表示十分看好：“MoveNet 模型註入瞭提供規范性護理所需的速度與準確性的強大組合，盡管也有其它可互相替代的方案，但 MoveNet 具有的獨特平衡性，還是開辟瞭下一代護理服務的更多可能。而谷歌團隊在這方面的追求，也讓它成為瞭我們一直在追求的出色合作者”。
MoveNet 後處理步驟
展望未來，谷歌希望進一步擴展 Lighting 和 Tunder 模型的功能，使之能夠一次追蹤多人活動。此外這傢科技巨頭也致力於使用基準測試和相關優化來加速 TensorFlow.js 的後端處理速度。感興趣的朋友，可移步至官網公告查看全文。
全站熱搜
留言列表
