HƯỚNG DẪN AI trực quan

Phát hiện các điểm đặc trưng trên khuôn mặt

Phát hiện các điểm đặc trưng trên khuôn mặt ước tính vị trí trên khuôn mặt, như góc mắt, mũi và miệng, từ một khung hình ảnh hoặc video.

Nghe hướng dẫn nàyAI thuật lại · ~3 min

Trên trang nàyĐọc trong 3 phút
  1. Tổng quan
  2. Lặn sâu
  3. Triển khai trong thế giới thực
  4. Tương lai của việc phát hiện mốc trên khuôn mặt
  5. Đưa nó vào thực tế
  6. Tiếp tục khám phá
  7. Câu hỏi thường gặp

Tổng quan

Mô hình mốc có thể hỗ trợ căn chỉnh, hiệu ứng, hoạt ảnh hoặc tương tác nhưng tọa độ không xác lập danh tính, cảm xúc, sức khỏe hoặc ý định. MediaPipe Face Landmarker của Google là một triển khai được ghi lại; đầu ra và các tính năng được hỗ trợ của nó phụ thuộc vào gói và cấu hình mô hình.

Lặn sâu

A facial landmark detector estimates coordinates for selected points on a face. These may outline eyes, brows, nose, lips, and the face contour. A detector first finds a face region; a landmark model then estimates points within that region. Some pipelines add outputs such as blendshape scores or a transformation matrix for rendering. Google’s MediaPipe Face Landmarker documentation describes processing images, video, and live streams, and its model bundle estimates 478 three-dimensional face landmarks. Configuration determines whether additional blendshape and transformation outputs are enabled. Landmarks are geometric estimates. They can help align a face crop, attach a visual effect, or animate an avatar, but they do not identify the person or prove their mental state. A point near a mouth can support a rendering rig; it cannot establish that someone is smiling sincerely, consenting, or healthy. Face shape, pose, lighting, occlusion, camera quality, and the model’s training data affect placement. The apparent precision of many coordinates should not be confused with certainty. Evaluate landmarks on the target devices and populations using point-localization error, face-detection misses, tracking stability, and task success. Include profiles, movement, glasses, facial hair, and realistic lighting. For personal data, explain when a camera is processing faces, minimize storage, and provide an accessible off switch. If the purpose requires identity verification or sensitive inference, use a method designed and validated for that purpose and review applicable rules.

Triển khai trong thế giới thực

Ứng dụng hiệu ứng máy ảnh ánh xạ các điểm mốc trên khuôn mặt vào lớp phủ bộ lọc và cho phép người dùng tắt tính năng xử lý khuôn mặt.

Hệ thống hình đại diện sử dụng ma trận biến đổi khuôn mặt để căn chỉnh mô hình, sau đó kiểm tra xem đầu ra có ổn định trong quá trình chuyển động của đầu hay không.

Một nhóm kiểm tra chất lượng của cột mốc dựa trên ánh sáng, góc mặt, kính và độ che khuất thay vì chỉ dựa vào các bức chân dung chính diện trong studio.

Nhóm sản phẩm tránh gắn nhãn cảm xúc hoặc danh tính của một người chỉ từ tọa độ mốc.

Tương lai của việc phát hiện mốc trên khuôn mặt

Máy ảnh di động và kiểu máy nhỏ gọn có thể giúp hiệu ứng khuôn mặt phản hồi nhanh hơn, trong khi các tác vụ mới hơn có thể hiển thị thêm các mốc hoặc điều khiển hoạt ảnh. Cải tiến hiệu suất sẽ không biến tọa độ hình học thành bằng chứng về danh tính, cảm xúc hoặc ý định. Các nhóm nên so sánh các phiên bản mô hình trên người dùng và thiết bị đại diện, đồng thời trao đổi rõ ràng về việc sử dụng máy ảnh. Những thay đổi về vị trí đặt máy ảnh, gói mô hình hoặc phần mềm kết xuất có thể làm thay đổi kết quả, vì vậy hãy kiểm tra lại tính năng đầy đủ trước khi sử dụng nó trong sản phẩm. Bao gồm các lựa chọn thay thế có thể truy cập cho những người không muốn sử dụng điều khiển dựa trên máy ảnh.

Đưa nó vào thực tế

Tại sao nó quan trọng

  • Tốc độ và tỷ lệ. Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn.
  • Xây dựng lựa chọn. Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn.
  • Nhóm và quy trình làm việc. Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý.

coi chừng

  • Quyền và sự đồng ý về hình ảnh có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng.
  • Hiệu suất của mô hình có thể khác nhau tùy theo ánh sáng, nhân khẩu học và môi trường.
  • Kết quả dương tính giả có thể không được chú ý trừ khi ngưỡng tin cậy được theo dõi.

Các bước tiếp theo

  1. Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi.
  2. Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế.
  3. Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao.
  4. Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu.

Tiếp tục khám phá

Bản tin miễn phí

Nhận bản tóm tắt AI hàng ngày

Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.

Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.

Tự kiểm tra

Làm bài kiểm tra Phát hiện điểm mốc trên khuôn mặt

Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.

Bắt đầu bài kiểm tra

Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp

Câu hỏi thường gặp

Phát hiện mốc trên khuôn mặt là gì?

Tính năng phát hiện mốc trên khuôn mặt ước tính các vị trí trên khuôn mặt, chẳng hạn như khóe mắt, mũi và miệng, từ khung hình ảnh hoặc video. Mô hình mốc có thể hỗ trợ căn chỉnh, hiệu ứng, hoạt ảnh hoặc tương tác nhưng tọa độ không xác lập danh tính, cảm xúc, sức khỏe hoặc ý định. MediaPipe Face Landmarker của Google là một triển khai được ghi lại; đầu ra và các tính năng được hỗ trợ của nó phụ thuộc vào gói và cấu hình mô hình.

Đầu ra nào là mục đích trực tiếp của việc phát hiện điểm mốc trên khuôn mặt?

Phát hiện mốc ước tính vị trí điểm; nó không thiết lập danh tính hoặc ý định.

Trong gói mô hình MediaPipe Face Landmarker được ghi lại, ước tính có bao nhiêu mốc khuôn mặt 3D?

Google ghi lại ước tính có 478 mốc khuôn mặt 3D trong gói mô hình.

Ma trận biến đổi khuôn mặt hỗ trợ điều gì trong tác vụ được ghi lại?

Ma trận hỗ trợ chuyển đổi mô hình chuẩn cho các hiệu ứng.

Bộ lọc rung lên khi một người quay sang một bên. Nhóm nên đo lường điều gì?

Chất lượng theo dõi tư thế cụ thể đóng vai trò quan trọng đối với hiệu quả mong muốn.

Tuyên bố nào chỉ được hỗ trợ bởi tọa độ mốc?

Hướng dẫn giới hạn tọa độ cho các ước tính hình học và hiển thị xuôi dòng.