這一周以來其實對於專題題目一直有爭論,今天組上和專題Enos老師報告後,花了很多時間針對兩個可能的專題方向進行研究與比較。

第一個方向著重於「邊緣裝置上的人臉辨識與多媒體推播技術」。核心在於結合 Raspberry Pi 攝影機、人臉辨識模型 與 後端媒體管理系統，透過即時影像處理辨識唯一 ID，再觸發對應的多媒體內容推送。需要特別考量的技術細節包含：隱私與資料安全、即時辨識的效能最佳化、硬體運算資源的限制、以及資料庫查詢與回應速度設計。在開發時，必須明確定義 MVP（最小可行產品） 範圍，例如僅實作「人臉偵測 + 單一影片推播」的初版功能，以確保專案能在有限時間內完成並驗證核心流程。

第二個方向主要聚焦於「推薦系統與 3D 虛擬展示技術」。流程包含：根據輸入的參數（如空間尺寸與風格設定），系統需能從資料庫中篩選合適的組合，並利用 3D 模擬工具（如 Three.js、Babylon.js 或其他 WebGL 框架） 生成即時展示圖。同時，還需具備元件替換與重新渲染的功能，以支援動態組合的視覺化效果。技術挑戰包含 資料來源的結構化與取得方式、3D 模型的渲染效能最佳化、以及在時間限制內如何產出具備說服力的展示成果。。

兩個方向各有亮點。前者偏向零售數位轉型，挑戰在於硬體與即時運算；後者則偏向生活應用與體驗設計，挑戰在於資料整合與 3D 技術的掌握。

在第二輪和老師討論後，團隊最終決定朝第一個方向前進，也就是在人臉辨識與多媒體推播上做延伸。這意味著接下來不只是軟體端的演算法與資料庫設計，還需要正式開始接觸 硬體設備（例如 Raspberry Pi、攝影機模組、連接顯示器等），並思考如何在有限的硬體資源下達到即時辨識與推播的需求。這對我們來說是一個新的挑戰，也是一個能將技術真正落地的好機會。雖然可能會遇到安裝、驅動、效能調校等繁瑣細節，但也正因如此，後續的學習與驗證才更具價值。期待接下來能一步步把構想落實，從程式到硬體，逐漸拼湊出完整的專題成果。