谷歌AI魔镜：看你手舞足蹈，就召唤出8万幅照片学你跳 | TensorFlow.js

前两天，大家还在手机上胡写乱画。

而现在，如果你看到某个同事，对着电脑展现ta婀娜的舞姿。

△失败的“过电”

ta说不定是在扒舞。

有一点点可能，是在玩谷歌发布的又一个AI游戏，名字叫Move Mirror(动镜) 。

这个游戏里，只要打开摄像头，对着它做你最舒服的动作。

一瞬间，很多人就会“排队”来学着你跳了，一丝不苟，还原神韵。

恭喜你，领取了一呼百应成就。跟你一起跳舞的人，你基本没见过，可能还有从二次元来的朋友。

满足感是否油然而生？

对一个页游来说，这计算量也算是鞠躬尽瘁了。

姿势匹配，一气呵成

这个游戏里，负责捕捉你姿势的机器学习模型，叫做PoseNet。

看着你愉快地舞动，模型要实时捕捉你的姿势，全程不能松懈。

浑身上下，有17个关键点，每个姿态都是由这些点，共同描写的。

针对每一帧影像，系统都要搜遍80,000张的图库，从茫茫人海里找到姿势差不多的那一位。

这个数据集里，人类的姿态非常丰富，每一张都精挑细选。确实，不可能直接随机取样，每个人的姿势都差不多的话，就没用了。

虽然数据千姿百态，但搜索一次、找到目标，也只要15毫秒而已。

然后，系统迅速用千军万马拼出你的动感，也几乎不用什么时间。

需要的话，还可以把生成效果转成gif，分享到喷油圈——

这似乎是从宅舞向，变成了运动向，AI可能是个偏爱肌肉的妹子。

另外，游戏是用TensorFlow.js做的，不用存储你的影像，也不会把数据传到遥远的服务器里。

和谷歌AI以往的许多页游一样，低碳又安全。

花式PlayPlay

大家不妨一试，看看AI怎么理解你的动作，说不定还能发现一些神匹配。

如果想用TensorFlow.js，自己写一个观察姿势的小应用，可从文底的传送门前往GitHub项目页面，查看代码。

另外，在下比较期待，等哪天游戏里增加了面部动作的识别……

大概就可以更充分地观察，AI对动作的解读方式了。

问题来了，你想用什么姿势来考验它呢？

PlayPlay传送门：

http://g.co/movemirror

GitHub项目传送门：

https://github.com/tensorflow/tfjs-models/tree/master/posenet

DIY指南传送门：

https://medium.com/tensorflow/move-mirror-an-ai-experiment-with-pose-estimation-in-the-browser-using-tensorflow-js-2f7b769f9b23

△仅因姿势销魂而乱入