https://monobook.org/w/index.php?action=history&feed=atom&title=MoveNet 2026-07-19T19:19:13Z このウィキのこのページに関する変更履歴 MediaWiki 1.42.1 https://monobook.org/w/index.php?title=MoveNet&diff=27984&oldid=prev 2025-08-18T09:11:13Z

<p></p> <table style="background-color: #fff; color: #202122;" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="ja"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">← 古い版</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">2025年8月18日 (月) 09:11時点における版</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l1">1行目:</td> <td colspan="2" class="diff-lineno">1行目:</td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>&#039;&#039;&#039;MoveNet&#039;&#039;&#039;とは、2021年5月に[[Google]]がオープンソースで公開した静止画から[[姿勢推定]]する人工知能モデルです。</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>&#039;&#039;&#039;MoveNet&#039;&#039;&#039;とは、2021年5月に[[Google]]がオープンソースで公開した静止画から[[姿勢推定]]する人工知能モデルです。</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>TensorFlow <del style="font-weight: bold; text-decoration: none;">Liteで実装されており、身体の </del>17 のキーポイントを検出する超高速で高精度なモデルです。</div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div><ins style="font-weight: bold; text-decoration: none;">[[</ins>TensorFlow <ins style="font-weight: bold; text-decoration: none;">Lite]]で実装されており、身体の </ins>17 のキーポイントを検出する超高速で高精度なモデルです。</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>ライトニング（高速、入力192x192）とサンダー（高精度、入力256x256）という2種類のモデルが公開されています。</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>ライトニング（高速、入力192x192）とサンダー（高精度、入力256x256）という2種類のモデルが公開されています。</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr> <tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l11">11行目:</td> <td colspan="2" class="diff-lineno">11行目:</td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>最近のスマホでも楽勝で動かせます。なお、[[Android]]アプリを作ってみた感想としてはスマホによってはカメラ映像がYUVでしか出力できず、YUVをRGBに変換する方が処理に時間がかかる環境も多々ありました。libyuvなども試してみましたがJavaからNDKを呼び出すコストが大きくやはり重たいです。[[iOS]]のカメラ(AVFoundation)はYUVだけでなくRGBでも出力できるので楽勝です。</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>最近のスマホでも楽勝で動かせます。なお、[[Android]]アプリを作ってみた感想としてはスマホによってはカメラ映像がYUVでしか出力できず、YUVをRGBに変換する方が処理に時間がかかる環境も多々ありました。libyuvなども試してみましたがJavaからNDKを呼び出すコストが大きくやはり重たいです。[[iOS]]のカメラ(AVFoundation)はYUVだけでなくRGBでも出力できるので楽勝です。</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div><del style="font-weight: bold; text-decoration: none;">なお、TensorFlowではなくTensorFlow </del>Lite形式なのでそのままでは非常に扱いづらいです。なので[[ONNX]]に変換すると扱いやすいです。</div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div><ins style="font-weight: bold; text-decoration: none;">なお、[[TensorFlow]]ではなくTensorFlow </ins>Lite形式なのでそのままでは非常に扱いづらいです。なので[[ONNX]]に変換すると扱いやすいです。</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>[[category: 姿勢推定]]</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>[[category: 姿勢推定]]</div></td></tr> </table>

Administrator https://monobook.org/w/index.php?title=MoveNet&diff=27983&oldid=prev 2025-08-18T09:11:00Z

<p></p> <table style="background-color: #fff; color: #202122;" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="ja"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">← 古い版</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">2025年8月18日 (月) 09:11時点における版</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l11">11行目:</td> <td colspan="2" class="diff-lineno">11行目:</td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>最近のスマホでも楽勝で動かせます。なお、[[Android]]アプリを作ってみた感想としてはスマホによってはカメラ映像がYUVでしか出力できず、YUVをRGBに変換する方が処理に時間がかかる環境も多々ありました。libyuvなども試してみましたがJavaからNDKを呼び出すコストが大きくやはり重たいです。[[iOS]]のカメラ(AVFoundation)はYUVだけでなくRGBでも出力できるので楽勝です。</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>最近のスマホでも楽勝で動かせます。なお、[[Android]]アプリを作ってみた感想としてはスマホによってはカメラ映像がYUVでしか出力できず、YUVをRGBに変換する方が処理に時間がかかる環境も多々ありました。libyuvなども試してみましたがJavaからNDKを呼び出すコストが大きくやはり重たいです。[[iOS]]のカメラ(AVFoundation)はYUVだけでなくRGBでも出力できるので楽勝です。</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>なお、TensorFlowではなくTensorFlow <del style="font-weight: bold; text-decoration: none;">Lite形式なのでそのままでは非常に扱いづらいです。なのでONNXに変換すると扱いやすいです。</del></div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>なお、TensorFlowではなくTensorFlow <ins style="font-weight: bold; text-decoration: none;">Lite形式なのでそのままでは非常に扱いづらいです。なので[[ONNX]]に変換すると扱いやすいです。</ins></div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>[[category: 姿勢推定]]</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>[[category: 姿勢推定]]</div></td></tr> </table>

Administrator https://monobook.org/w/index.php?title=MoveNet&diff=27982&oldid=prev 2025-08-18T09:10:38Z

<p><span dir="auto"><span class="autocomment">動画の姿勢推定</span></span></p> <table style="background-color: #fff; color: #202122;" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="ja"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">← 古い版</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">2025年8月18日 (月) 09:10時点における版</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l9">9行目:</td> <td colspan="2" class="diff-lineno">9行目:</td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>MoveNetは静止画用ですが、非常に高速なのでそこそこの性能の[[コンピューター]]であれば動画のフレームを切り出してリアルタイムに姿勢推定することも可能です。</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>MoveNetは静止画用ですが、非常に高速なのでそこそこの性能の[[コンピューター]]であれば動画のフレームを切り出してリアルタイムに姿勢推定することも可能です。</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div><del style="font-weight: bold; text-decoration: none;">最近のスマホでも楽勝で動かせます。なお、Androidアプリを作ってみた感想としてはスマホによってはカメラ映像のはYUVでしか出力できず、YUVをRGBに変換する方が処理に時間がかかる環境も多々ありました。libyuvなどもJavaからC言語を呼び出すコストが大きくやはり重たいです。iOSのカメラはYUVだけでなくRGBでも出力できるので楽勝です。</del></div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div><ins style="font-weight: bold; text-decoration: none;">最近のスマホでも楽勝で動かせます。なお、[[Android]]アプリを作ってみた感想としてはスマホによってはカメラ映像がYUVでしか出力できず、YUVをRGBに変換する方が処理に時間がかかる環境も多々ありました。libyuvなども試してみましたがJavaからNDKを呼び出すコストが大きくやはり重たいです。[[iOS]]のカメラ(AVFoundation)はYUVだけでなくRGBでも出力できるので楽勝です。</ins></div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>なお、TensorFlowではなくTensorFlow Lite形式なのでそのままでは非常に扱いづらいです。なのでONNXに変換すると扱いやすいです。</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>なお、TensorFlowではなくTensorFlow Lite形式なのでそのままでは非常に扱いづらいです。なのでONNXに変換すると扱いやすいです。</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>[[category: 姿勢推定]]</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>[[category: 姿勢推定]]</div></td></tr> </table>

Administrator https://monobook.org/w/index.php?title=MoveNet&diff=27981&oldid=prev 2025-08-18T09:09:30Z

<p></p> <table style="background-color: #fff; color: #202122;" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="ja"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">← 古い版</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">2025年8月18日 (月) 09:09時点における版</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l1">1行目:</td> <td colspan="2" class="diff-lineno">1行目:</td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>'''MoveNet'''とは、2021年5月に[[Google]]がオープンソースで公開した静止画から[[姿勢推定]]する人工知能モデルです。<del style="font-weight: bold; text-decoration: none;">[[PoseNet]]の後継品です。</del></div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>'''MoveNet'''とは、2021年5月に[[Google]]がオープンソースで公開した静止画から[[姿勢推定]]する人工知能モデルです。</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>TensorFlow Liteで実装されており、身体の 17 のキーポイントを検出する超高速で高精度なモデルです。</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>TensorFlow Liteで実装されており、身体の 17 のキーポイントを検出する超高速で高精度なモデルです。</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>ライトニング（高速、入力192x192）とサンダー（高精度、入力256x256）という2種類のモデルが公開されています。</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>ライトニング（高速、入力192x192）とサンダー（高精度、入力256x256）という2種類のモデルが公開されています。</div></td></tr> <tr><td colspan="2" class="diff-side-deleted"></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div><ins style="font-weight: bold; text-decoration: none;"></ins></div></td></tr> <tr><td colspan="2" class="diff-side-deleted"></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div><ins style="font-weight: bold; text-decoration: none;">「[[PoseNet]]の後継品」ということになっていますが、実際に動かしてみると背景などで一長一短といった感じです。PoseNetはApacheライセンスでしたが、MoveNetはMITライセンスとなっています。</ins></div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>== 動画の姿勢推定 ==</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>== 動画の姿勢推定 ==</div></td></tr> </table>

Administrator https://monobook.org/w/index.php?title=MoveNet&diff=27980&oldid=prev 2025-08-18T09:06:46Z

<p></p> <table style="background-color: #fff; color: #202122;" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="ja"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">← 古い版</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">2025年8月18日 (月) 09:06時点における版</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l1">1行目:</td> <td colspan="2" class="diff-lineno">1行目:</td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div>'''MoveNet'''とは、2021年5月に[[Google]]<del style="font-weight: bold; text-decoration: none;">がオープンソースで公開した静止画から姿勢推定する人工知能モデルです。</del></div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div>'''MoveNet'''とは、2021年5月に[[Google]]<ins style="font-weight: bold; text-decoration: none;">がオープンソースで公開した静止画から[[姿勢推定]]する人工知能モデルです。[[PoseNet]]の後継品です。</ins></div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>TensorFlow Liteで実装されており、身体の 17 のキーポイントを検出する超高速で高精度なモデルです。</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>TensorFlow Liteで実装されており、身体の 17 のキーポイントを検出する超高速で高精度なモデルです。</div></td></tr> </table>

Administrator https://monobook.org/w/index.php?title=MoveNet&diff=27979&oldid=prev 2025-08-18T09:06:18Z

<p>ページの作成:「&#039;&#039;&#039;MoveNet&#039;&#039;&#039;とは、2021年5月に<a href="/wiki/Google" title="Google">Google</a>がオープンソースで公開した静止画から姿勢推定する人工知能モデルです。 TensorFlow Liteで実装されており、身体の 17 のキーポイントを検出する超高速で高精度なモデルです。 ライトニング（高速、入力192x192）とサンダー（高精度、入力256x256）という2種類のモデルが公開されています。 == 動画の姿勢推定 == MoveNe…」</p> <p><b>新規ページ</b></p><div>&#039;&#039;&#039;MoveNet&#039;&#039;&#039;とは、2021年5月に[[Google]]がオープンソースで公開した静止画から姿勢推定する人工知能モデルです。<br /> <br /> TensorFlow Liteで実装されており、身体の 17 のキーポイントを検出する超高速で高精度なモデルです。<br /> ライトニング（高速、入力192x192）とサンダー（高精度、入力256x256）という2種類のモデルが公開されています。<br /> <br /> == 動画の姿勢推定 ==<br /> MoveNetは静止画用ですが、非常に高速なのでそこそこの性能の[[コンピューター]]であれば動画のフレームを切り出してリアルタイムに姿勢推定することも可能です。<br /> <br /> 最近のスマホでも楽勝で動かせます。なお、Androidアプリを作ってみた感想としてはスマホによってはカメラ映像のはYUVでしか出力できず、YUVをRGBに変換する方が処理に時間がかかる環境も多々ありました。libyuvなどもJavaからC言語を呼び出すコストが大きくやはり重たいです。iOSのカメラはYUVだけでなくRGBでも出力できるので楽勝です。<br /> <br /> なお、TensorFlowではなくTensorFlow Lite形式なのでそのままでは非常に扱いづらいです。なのでONNXに変換すると扱いやすいです。<br /> <br /> [[category: 姿勢推定]]</div>

Administrator