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
火箭实验室(Rocket Lab)宣布计划以现金加股票方式,斥资80亿美元收购主要卫星运营商铱星通信(Iridium Communications),交易预计于2027年中完成。铱星目前运营着由66颗活跃低轨卫星组成的星座网络,拥有约255万活跃用户,2024年营收达8.717亿美元。收购完成后,Rocket Lab计划借助其新型重型运载火箭Neutron及Lightning卫星平台,扩大铱星星座规模,开拓未被覆盖的市场并降低发射成本。
腾讯等机构提出ViQ框架,通过两阶段渐进量化训练,让离散视觉编码在多模态理解和图像重建上同时追平连续特征编码器,训练速度最高提升70%。
音乐流媒体平台Tidal宣布,将于7月中旬启用自动化工具,对完全由AI生成的音乐添加"AI"标识,并移除具有欺诈性质的曲目。平台还将取消AI生成音乐的版税资格,仅向真人创作、演唱的原创音乐开放变现渠道。此外,Tidal明确将高频异常上传、干扰真实艺术家等行为列为欺诈活动。Deezer、Spotify等竞争对手此前已推出类似检测机制,流媒体行业正加速构建AI内容治理体系。
香港科技大学与华为联合提出LISA训练方法,通过让副网络对齐"似然分数",将ControlNet等图像生成模型的训练收敛速度提升逾2.78倍,同时改善图像质量与条件控制精度。