MediaPipe助你高效构建移动端短视频应用。MediaPipe、机器学习、短视频应用、视频特效、游戏控制

本书内容

《MediaPipe机器学习跨平台框架实战》以实际项目为线索，带领读者探索MediaPipe在不同场景中的应用，使读者既能了解理论知识，又能通过实践掌握技能。全书共9章，第1章介绍MediaPipe基础；第2章重点探讨MediaPipe的控制流、同步机制以及GPU的使用；第3章介绍MediaPipe中的Facemesh，探讨其在增强现实、AR滤镜和视频会议软件中的应用；第4章将MediaPipe与游戏控制相结合，介绍如何在体感游戏中应用MediaPipe技术；第5章以AR激光剑效果、火箭发射小游戏、空中作图等为例，展示MediaPipe在视觉特效方面的应用；第6章介绍如何使用MediaPipe实现手语识别应用；第7章展示如何通过MediaPipe打造虚拟智能健身教练；第8章通过案例介绍MediaPipe与Unity在游戏与虚拟现实领域整合应用的强大潜力；第9章展望MediaPipe的未来，为读者提供了对这一技术的更深层次的认识和思考。

本书作者

马健健，毕业于上海交通大学，硕士，拥有超过十年的软件架构经验，先后供职于国内 外多家知名公司，目前就职于上海某知名外企，主要负责大数据处理、机器学习应用和 数据挖掘方面的研究和实施工作，长期研究AI虚拟人技术。已出版图书《虚拟偶像AI实 现》《AI创意绘画与视频制作：基于Stable Diffusion和Control NET》

本书读者

《MediaPipe机器学习跨平台框架实战》内容新颖，案例丰富，代码翔实，不仅适合对机器学习感兴趣的程序员、广大编程爱好者，还适合在校学生、创业者或者普通用户学习与参考。

编辑推荐

MediaPipe是一个由谷歌研究开发并开源的多媒体机器学习模型应用框架。它是一个跨平 台框架，适用于桌面/服务器、Android、iOS和嵌入式设备，如Raspberry Pi和Jetson  Nano。

MediaPipe是用于构建机器学习管道的框架，主要用于处理视频、音频等时间序列数据。 此外，该框架为流媒体提供了跨平台且可定制的机器学习解决方案。这意味着开发者可 以根据自己的需求定制适合其应用场景的机器学习模型。

MediaPipe已被广泛应用于各种机器学习任务，如人脸识别、人脸3D重建、手势检测、语音识别和对象检测等。在谷歌的一系列重要产品中，如Google Lens、ARCore、Google  Home等，都已深度整合了MediaPipe。

具体来说，MediaPipe具备处理视频和音频帧流的能力，通常用于构建交互式应用程序。 例如，其中的FaceMesh模型可以从图像或视频中重建出人脸的3D结构。此外，通过 MediaPipe Solutions，开发者可以为应用配置预构建的处理流水线，为用户提供即时的 、有吸引力的有用输出。

书中以大量案例介绍了MediaPipe在移动端应用，包括增强现实、AR滤镜和视频会议软件、MdiaPipe与游戏控制的结合应用、如何在体感游 戏中应用MediaPipe技术，以AR激光剑效果、火箭发射小游戏、空中作图为例展示了 MediaPipe在视觉特效方面的应用，如何使用MediaPipe实现手语识别应用、如何通过 MediaPipe打造虚拟智能健身教练以及MediaPipe与Unity结合在游戏与虚拟现实领域的应 用等等，精彩粉呈地展现了MediaPipe的强大潜力。

本文节选自《MediaPipe机器学习跨平台框架实战》，内容发布获得作者和出版社授权。

MediaPipe机器学习跨平台框架实战—京东