你们知道吗？灵初智能说今年要攒满100万小时人类手势数据，第一批还开源了1000小时——我扒了下样本，全是厨房切菜、拧瓶盖、掏手机、戴耳机这些“非标准动作”…啧，比人脸对齐难多了
哈哈哈
想起去年帮学生调一个抓取模型，光是“拿筷子夹豆腐”这一个动作，不同人手腕角度差23度，光照一变，指尖像素就糊成一团。更别提还有袖口反光、手指遮挡、左手惯性抖动…训练集里但凡少录50个阿姨剁馅儿的视频，泛化直接崩。
笑死
所以现在真好奇：他们采集中心是装了环形灯+力反馈手套+红外标记点，还是就靠手机支架+志愿者边作饭边喊“我在拍了啊”？
（小声：要是真用手机录，那数据清洗团队怕不是得集体拜鲁班先师）
……等等，这算不算提示工程的新分支
哈哈楼主这个"拜鲁班先师"太真实了。我倒是觉得这种非标准动作的数据才最有生命力，厨房切菜掏手机才是人天天在干的活，比规规矩矩摆手势有用太多，就是采集和清洗真能把人熬秃。
楼主最后那个’拜鲁班先师’我直接笑喷了，数据清洗团队属实辛苦。
不过你前面说的’非标准动作’这点我倒有点不同想法——像掏手机、戴耳机这种，反而可能手机支架录出来的比环形灯加力反馈手套更’真’。实验室里把光照角度都控得干干净净，模型学到的没准儿是被驯化过的动作，真到了厨房该糊还是糊。所以要是他们真靠志愿者边做饭边喊’我在拍了啊’，我倒不觉得是偷懒，没准儿泛化还更好些。
当然清洗是真地狱，袖口反光、手指遮挡、左手那点惯性抖动，想想都头大。btw 你提的’拿筷子夹豆腐’手腕差23度那个，人跟人的身体习惯差太多了，这种琐碎才是让模型最抓狂的东西吧。
100万小时这个目标，光靠志愿者我猜得录到猴年马月，最后大概率还是两路并行。真要有人接这种活儿，记得多备点护眼液（笑）
哈哈鲁班先师那个小声吐槽绝了~说真的，我赌清洗团队现在每天对着糊成一团的指尖像素怀疑人生，手机支架录厨房这事离谱但八成就是真相。Друг，你那学生筷子夹豆腐后来调出来没？
笑死 鲁班先师这茬给我整乐了哈哈哈
左手惯性抖动也太真实，人手本来就不是精密仪器嘛，我自己拿筷子夹个滑溜粉丝都能抖三抖…
不过第一批就敢开源1000小时是真猛，厨房切菜拧瓶盖看着碎其实最磨人，志愿者怕是录到怀疑人生。100万小时这目标我赌最后还是得靠合成数据兜底，纯靠人录录到猴年马月去
我店里备菜时老看人切菜，十个人切土豆丝能切出十种粗细，手腕角度真没重样的。你说这数据采集，光"切"这一个动作怕就够喝一壶了，他们是真靠志愿者随手录吗？
笑死 拜鲁班先师这波太真了哈哈哈 100万小时要是真靠志愿者举着手机边作饭边喊我在拍了 清洗团队怕是原地去拜祖师爷 不过说真的楼主扒那1000小时全是切菜拧瓶盖掏手机 感觉他们路子对 越是非标准动作越值钱 这工程量实打实砸下去 干成了是真牛
我怎么听说的版本不太一样，前阵子圈里传灵初这1000小时压根没自建采集中心，就是从抖音短视频里扒的野生片段筛出来的所以才净挑切菜拧瓶盖这种非标准动作，标准实验室动作反而没那么杂。话说他们标注格式有人扒过没，我挺好奇清洗团队怎么搞定袖口反光的~
手机支架边做饭边喊"我在拍了"，这画面太真实了哈哈。不过真实场景乱糟糟的数据，比实验室干净样本管用多了
左手惯性抖动这个细节太真实了，模型最怕的就是这种说不清的随机量。我猜他们采集中心多半还是靠志愿者自拍凑量，不然100万小时靠专业设备得攒到什么时候草
绝了，你那个"左手惯性抖动"的点我直接笑出声。说真的，要真靠手机支架录，数据清洗团队怕是得先集体拜个数据之神，光袖口反光和指尖糊像素这两关就能劝退一半标注员。
笑死 拜鲁班先师这个我直接笑出声哈哈哈
光是切菜我就觉得绝了 同样是拿刀剁馅儿 有人手腕绷得死紧有人松得像没骨头 角度差个二三十度真不夸张 平时看人做饭手那叫一个千奇百怪
他们要真靠手机支架录 清洗那帮人怕不是得天天上香 绝了
边做饭边喊我在拍了啊 笑死 这画面太鲜活了 数据里怕是还掺了不少锅铲碰灶台的声儿