探秘巨形表情符号:Giant Emoji 开源项目
该项目虽已被谷歌创意实验室不再积极维护,但它仍作为一个只读存档模式存在,以便于开发者们能从示例中获取帮助。尽管我们无法处理所有的拉取请求或bug报告,但现有的问题将会以只读模式供参考。欢迎用户进行fork,继续这个有趣的社区驱动的项目。
项目介绍
Giant Emoji 是一个基于openFrameworks的实验性应用程序,它可以将你的面部表情转化为一个巨大的表情符号。这个项目最初在Google I/O 2016大会上亮相。通过实时检测面部特征并进行情感分析,它能够将你的表情实时转化为生动的表情模型。

技术分析
Giant Emoji应用采用了多种算法来检测面部标志点,并对这些点进行情感分析。C++编写的openFrameworks应用会在本地WebView或者远程浏览器中通过JavaScript注入数据,或通过WebSocket传输到远程浏览器,为HTML5 Canvas动画提供准备好的信息。
在本地WebView或远程浏览器中,利用Paper.js创建持久化的矢量对象,用于初始化和动画表情。轻量级的JavaScript动画循环解析传入的JSON面部标志点,并据此模型化相应的X/Y坐标,在调试模式下可查看。然后,将这些标志点和信心分数转换为预设的表情模型(如亲吻脸、大笑脸等),并结合实时的嘴型或唇部几何结构进行增强。
应用场景
Giant Emoji最初设计是为Google I/O 2016大会增添趣味,让用户可以将自己的面孔变成一个巨大的表情符号。这个多线程、高计算密集度的应用程序特别针对Google Pixel C进行了优化,确保其在该设备上的性能表现。
项目分为两部分开发:在Android端的openFrameworks应用负责面部检测(采用C++编写),而Web应用则负责渲染表情(主要使用JavaScript)。
Android openFrameworks应用
在gmojiAndroid子目录中的应用可以通过Android Studio 2构建。应用使用了多种库和插件来实现表情识别和跟踪:
- ofxFaceTracker2 使用dlib库的计算机视觉功能检测和追踪68个面部标志点。
- ofxAndroidMobileVision 利用Google Mobile Vision API检测眨眼并给出眼睛的眨眼信心得分。
- 自定义训练的dlib支持向量机模型检测微笑并给出微笑的信心得分。
- 所有数据都经过了自定义的低通滤波器ofxBiquadFilter处理。
项目特点
- 跨平台交互:数据既可以通过本地WebView实时展示,也可以通过WebSocket发送到远程机器上,适应不同的运行环境。
- 实时性:利用先进的计算机视觉技术,提供即时的面部表情转译。
- 高度可定制:提供了丰富的表情模型和情感分析方法,可以根据需求调整和扩展。
- 开放源码:虽然项目不再更新,但代码仍然可供开发者学习和二次开发,继承这一创新的想法。
如果你热衷于计算机视觉,或者想要探索人机互动的新方式,Giant Emoji无疑是一个值得尝试的开源项目。不论你是开发者还是爱好者,都可以在这个项目中找到灵感和技术实践的可能性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00