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
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。