何人が手を挙げているか、誰が立っていて誰が座っているか、そして誰かが席を立った瞬間までを即座に把握するスマートカメラを思い浮かべてください。すべてはリアルタイムに、デバイス自身の上で処理されます。クラウドは使わず、個人を特定することもなく、プライバシーを損なうこともありません。
私たちが引き受けたのは、まさにこの課題でした。CPU のみの組み込みハードウェア上で完結して動作するほど軽量で、スマートフォンの写真 1 枚よりも小さなフットプリントに収まりながら、人の多い会議室や教室でもリアルタイムの性能を発揮する AI モデルを構築することです。
重量級の汎用的なコンピュータビジョンに頼るのではなく、私たちは目的に特化したパイプラインを設計しました。上半身に絞ったコンパクトな姿勢推定と、シンプルな幾何学的推論を組み合わせ、挙手や、着席から起立への変化といったジェスチャーを、個人を追跡したり特定したりすることなく推定します。出来上がったモデルはデバイスの限られたメモリと処理能力の範囲に余裕をもって収まり、すぐに組み込める明快な API を通じて室内の状況を伝えます。
強力な AI に、強力なハードウェアは要りません。必要なのは、適切なアプローチです。