MediaPipeUnityPlugin中FaceLandmarkListWithIrisAnnotation的并发修改问题分析
在Unity中使用MediaPipeUnityPlugin进行面部特征点检测时,开发者可能会遇到一个常见的并发修改异常:"Collection was modified; enumeration operation may not execute"。这个问题主要出现在处理面部特征点数据的过程中,特别是在多线程环境下对集合进行遍历和修改时。
问题背景
MediaPipeUnityPlugin是一个Unity插件,用于集成Google的MediaPipe机器学习管道。在面部特征点检测任务中,插件会生成包含大量特征点的数据,这些数据需要在Unity的主线程中进行可视化渲染。当数据从后台线程传递到主线程时,如果处理不当,就可能出现集合被并发修改的问题。
问题根源
问题的核心在于FaceLandmarkListWithIrisAnnotation类中的PartitionLandmarkList方法。该方法负责将面部特征点列表分区处理,但在遍历输入集合时没有考虑到集合可能被其他线程修改的情况。具体表现为:
- 当使用
IReadOnlyList<T>的枚举器进行遍历时 - 同时后台线程可能正在更新这个集合
- 导致枚举过程中集合被修改,抛出异常
解决方案
针对这个问题,开发者可以采取以下几种解决方案:
1. 使用集合副本
最直接的解决方案是在遍历前创建集合的副本:
var enumerator = landmarks.ToList().GetEnumerator();
这样可以确保遍历的是一个固定的快照,不会受到原集合修改的影响。
2. 添加线程同步机制
在FaceLandmarkerResultAnnotationController中添加适当的锁机制,确保在访问共享资源时的线程安全:
lock (syncObject)
{
// 访问共享资源的代码
}
3. 使用线程安全的数据结构
考虑使用ConcurrentBag等线程安全的集合类型来存储中间结果。
最佳实践建议
- 明确线程边界:在Unity中,明确区分后台处理线程和主线程的职责范围
- 避免在主线程外修改Unity对象:所有与Unity引擎相关的操作都应放在主线程执行
- 使用适当的同步机制:当必须在多线程间共享数据时,使用锁或其他同步原语
- 考虑使用消息队列:通过队列将数据从后台线程传递到主线程,而不是直接共享引用
总结
在MediaPipeUnityPlugin中处理面部特征点数据时,开发者需要注意线程安全问题。通过创建集合副本、添加适当的同步机制或使用线程安全的数据结构,可以有效避免"Collection was modified"异常的发生。理解Unity的多线程模型和MediaPipe的数据流机制,对于构建稳定高效的计算机视觉应用至关重要。
对于使用UniRx等响应式编程框架的开发者,还需要特别注意ObserveOnMainThread操作符的使用时机,确保数据在正确的线程上被处理和消费。
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00