Google Home旗下的"熟悉面孔"功能多年来问题频出,但Google正试图通过两项关键改进来解决Nest摄像头的这一痛点。
自2021年Nest硬件重新上线以来,Google一直将"熟悉面孔"作为现代Nest摄像头的重要卖点之一。借助人脸检测技术和不断扩充的人脸数据库,摄像头能够即时识别出现在门口的人是谁。这个功能听起来很有吸引力,ADT甚至曾尝试利用这一数据来实现自动开门和解除安防系统的联动。
然而问题在于,这项功能实际表现差强人意。
"熟悉面孔"功能频繁失误,令人头疼。它可能对每天都出现在镜头前的人毫无反应,也可能将一个人错误识别为另一个人,各类错误屡见不鲜。作为Nest摄像头的日常用户,笔者深有体会——摄像头几乎从未能准确识别出任何人。多年来,笔者多次尝试"重置"人脸数据,也时常手动纠正Google错误标注的人脸信息,但每一次,功能都会逐渐退化回原点,带来的麻烦远大于便利。Gemini本应在这方面有所帮助,但实际效果几乎感受不到。
对此,Google宣布将推出两项改进措施。第一项是新增"点赞/踩"反馈工具,让用户能够更快捷地告知系统某次识别结果有误。第二项改进针对人脸数据库本身,Google将自动剔除其中"模糊、重影、非正面或过小"的人脸图像,从而在用户手动进行修正时,让数据库更便于浏览和管理。
对此,Google官方解释称,这两项功能旨在降低用户的操作负担,提升整体识别体验。
坦率地说,这两项改进未必会带来翻天覆地的变化,但在经历了五年的同一困境之后,能看到Google终于正视这一问题,已经令人感到一丝欣慰。目前来看,期待值实在不宜太高。
Q&A
Q1:Nest摄像头的"熟悉面孔"功能为什么经常识别失败?
A:该功能存在多种常见错误,包括无法识别每天出现的熟悉面孔、将一个人误认为另一个人等。即使用户多次手动重置或纠正人脸数据,功能仍会逐渐退化。这一问题自2021年Nest硬件重启以来持续存在,Gemini的加入也未带来明显改善。
Q2:Google这次对"熟悉面孔"功能做了哪些具体改进?
A:Google推出了两项改进:一是新增"点赞/踩"反馈工具,让用户能更快速地标记识别错误;二是优化人脸数据库管理,自动过滤掉模糊、重影、非正面或过小的人脸图像,使用户在手动校正时更容易找到并修改错误数据。
Q3:ADT是如何利用Nest摄像头的人脸识别数据的?
A:ADT曾尝试将Nest摄像头的"熟悉面孔"数据与智能门锁及安防系统进行联动,实现当摄像头识别出特定人员后自动开门并解除警报的功能,以此拓展人脸识别在智能家居安防场景中的实际应用价值。
好文章,需要你的鼓励
购买笔记本电脑时,用户现在需要了解Copilot+ PC、NPU和本地AI处理等新概念。搭载专用神经处理单元(NPU)的Copilot+ PC能提供至少40 TOPS的AI算力,支持实时字幕翻译、视频通话优化、AI图像编辑等功能,同时提升续航表现。戴尔最新产品线涵盖多种选择:Dell 14 Plus适合学生和通勤族,Dell 16 Plus适合多任务办公用户,XPS 14面向轻度创作者,XPS 16则以31小时超长续航和3.6磅轻薄机身成为内容创作者的旗舰之选。
上交大与爱丁堡大学提出InfoKV,将信息熵与注意力权重结合用于KV缓存压缩,让大模型在仅保留12.5%缓存的条件下实现接近甚至超越完整缓存的长推理性能。
圣安德鲁斯大学博士Henry Legg在《自然》杂志发表同行评审论文,对微软拓扑间隙协议(TGP)框架提出质疑,认为该框架在推断Majorana粒子量子态存在方面存在缺陷,且实验数据分析结论可能有误。微软此前宣称将于2029年实现可扩展量子计算机,并推出Majorana 2芯片。对此,微软坚持立场,表示已发表正式反驳并获《自然》收录,对研发路线图充满信心。
强化学习训练AI时悄悄留下的"进展优势"信号,可作为免费的步骤级评分器,无需额外训练,在多个智能体任务上超越专用奖励模型。