ขอแนะนำ LiteRT: รันไทม์ประสิทธิภาพสูงของ Google สำหรับ AI ในอุปกรณ์ หรือที่รู้จักกันในชื่อ TensorFlow Lite
คู่มือสำหรับการตรวจหาจุดสังเกตที่ครอบคลุม
งาน MediaPipe Holistic Marker ช่วยให้คุณสามารถรวมคอมโพเนนต์ของจุดสังเกต
ท่าทาง ใบหน้า และ
มือ เพื่อสร้างจุดสังเกตที่สมบูรณ์สำหรับร่างกายมนุษย์ คุณสามารถใช้งานนี้เพื่อวิเคราะห์ท่าทางสัมผัส ท่าทาง และท่าทาง งานนี้ใช้โมเดลแมชชีนเลิร์นนิง (ML) ในสตรีมรูปภาพแบบต่อเนื่อง งานจะแสดงจุดสังเกตทั้งหมด 543 รายการ (จุดสังเกต 33 แบบ จุดสังเกตบนใบหน้า 468 จุด และจุดจับมือ 21 จุดต่อมือ) แบบเรียลไทม์
เวอร์ชันอัปเกรดของโซลูชัน MediaPipe นี้จะพร้อมใช้งานเร็วๆ นี้ โซลูชัน MediaPipe เดิมสำหรับงานนี้มีให้ใช้งานใน GitHub
เนื้อหาของหน้าเว็บนี้ได้รับอนุญาตภายใต้ใบอนุญาตที่ต้องระบุที่มาของครีเอทีฟคอมมอนส์ 4.0 และตัวอย่างโค้ดได้รับอนุญาตภายใต้ใบอนุญาต Apache 2.0 เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดดูรายละเอียดที่นโยบายเว็บไซต์ Google Developers Java เป็นเครื่องหมายการค้าจดทะเบียนของ Oracle และ/หรือบริษัทในเครือ
อัปเดตล่าสุด 2024-05-14 UTC
[[["เข้าใจง่าย","easyToUnderstand","thumb-up"],["แก้ปัญหาของฉันได้","solvedMyProblem","thumb-up"],["อื่นๆ","otherUp","thumb-up"]],[["ไม่มีข้อมูลที่ฉันต้องการ","missingTheInformationINeed","thumb-down"],["ซับซ้อนเกินไป/มีหลายขั้นตอนมากเกินไป","tooComplicatedTooManySteps","thumb-down"],["ล้าสมัย","outOfDate","thumb-down"],["ปัญหาเกี่ยวกับการแปล","translationIssue","thumb-down"],["ตัวอย่าง/ปัญหาเกี่ยวกับโค้ด","samplesCodeIssue","thumb-down"],["อื่นๆ","otherDown","thumb-down"]],["อัปเดตล่าสุด 2024-05-14 UTC"],[],[]]