Curiosity

手机相册如何自动归集同一个人的照片

理解人脸聚类从像素到“同一个人”标签的完整链路，涵盖检测、对齐、嵌入、聚类与命名五个阶段及其各自解决的问题。

Before you enter

A complete interactive classroom, not just a preview.

Start when you are ready to enter this Stage's 8 scenes and explore, respond, and learn as you go.

Scenes

16 min

Estimated

Content language: zh-CN

Created by

sange

Start this Stage

Remix into your version

Sign-in may be required to play

What happens inside

01相册真的“认识”人吗？slide
Question
提出驱动问题，给出生活场景示例，展示一张手机相册自动创建的“朋友”文件夹。
- 驱动问题：本课程要拆解的链路
- 日常场景：翻阅相册时的直观感受
- 先把直觉悬置：照片只是像素，不是身份
02先猜一步：机器怎么判断“同一个人”？quiz
Prediction
让学习者在看到完整链路前，先选择一个最符合直觉的机制。
- 在证据出现前先承诺一个假设
- 建立可被推翻的初始直觉
03第一步证据：从像素到“人脸框”slide
Evidence
展示同一张照片在不同阶段的画面：原图 → 检测到的人脸框 → 裁剪后的人脸区域，强调算法要先把“人”在哪找出来。
- 检测阶段输出人脸框坐标
- 裁剪后只保留人脸区域，去除背景
- 这一步解决“人在哪里”而非“这是谁”
04改变条件，观察人脸检测是否仍然成立interactive
Evidence
可在交互组件中切换光线、角度、是否佩戴口罩，亲眼看到哪些条件下仍能找到人脸、哪些条件下会漏检。
- 翻转光线从亮到暗
- 侧脸从正面逐渐转到 60 度
- 添加口罩或手部遮挡
- 观察人脸框是否仍然能稳定出现
05为什么特征向量比像素更可靠slide
Explanation
用图示说明：对齐后的人脸会被编码成一组数字（嵌入向量），同一个人在不同照片下的向量彼此接近，不同人的向量彼此远离。
- 对齐阶段把人脸统一到相同位置和大小
- 嵌入阶段输出固定长度的数字向量
- “像不像”从眼睛对比变成数字距离对比
06迁移：用“距离”来决定分组interactive
Transfer
可拖动二维向量点来模拟不同人脸的特征位置，调整距离阈值观察哪些点会被合并到同一组。
- 拖动代表不同人物的特征点
- 调整聚类的距离阈值
- 观察阈值过小会拆散同一人，过大会混进他人
07为什么相册不是万能的：聚类也会出错slide
Boundary
展示边界情形：双胞胎、高度相似的朋友、婴幼儿成长变化会导致向量接近但身份不同，提醒系统会有失败模式。
- 聚类基于“像不像”而不是“是不是”
- 极其相似的两人会被错误合并
- 用户在相册里点击合并或拆分，就是在修正算法的判断
08完整链路：从照片到“朋友”文件夹slide
Resolution
把五个阶段按顺序串成一张总览图，并直接回答驱动问题。
- 检测：找到人脸框
- 对齐：统一位置和大小
- 嵌入：转成特征向量
- 聚类：把相近向量归为一组
- 命名：用户为该组贴上姓名标签
- 回答驱动问题：相册正是沿此链路把同一个人的照片自动归集到一起