最新

特别是对于包含代码的技术书籍

我为智能眼镜开发了一款免提的抬头显示器（HUD），能够运行现实世界的速通计时器，并根据摄像头所见自动进行分段。演示场景：制作寿司。<p>演示视频：<a href="https://www.youtube.com/watch?v=NuOVlyr-e1w" rel="nofollow">https://www.youtube.com/watch?v=NuOVlyr-e1w</a><p>代码库：<a href="https://github.com/RealComputer/GlassKit" rel="nofollow">https://github.com/RealComputer/GlassKit</a><p>我最初尝试使用多模态大语言模型进行场景理解，但由于延迟和一致性不够理想，因此我转向了一个小型物体检测模型（微调的RF-DETR）。该模型仅在摄像头视频流上运行推理循环。这也使得设备本地/离线使用成为可能（目前仍通过本地服务器运行）。