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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00