鐵人檔案
聚焦於深度學習在人機互動中的感知應用，包含動作與情緒辨識模型的實作與部署，探討語音、手勢、情緒等輸入如何結合 UI/UX 元件，打造具回饋能力的介面。
前言 大多數推薦系統只學「你點了什麼」，很少理解「你當下的狀態」。但人在不同情緒下，偏好會位移：通勤路上想看輕鬆短內容，下班後才有耐心讀長文；焦慮時偏向保守選項...
前言 把「感知 → 理解 → 回應」做成順、穩、可用的互動，是這一類系統的靈魂。今天用低門檻、可上手的方式，帶你看清整條鏈路該怎麼設計：哪些感測訊號值得用、資料...
前言 昨天我們把「感知 → 理解 → 回應」拆成可落地的骨架。今天的任務很單純：把骨架跑起來。用 Gradio 搭一個可點可玩的多模態 Demo，把表情 × 手...
前言 到目前為止，我們已經把「感知 → 融合 → 狀態 → 回饋」跑起來了；今天轉向 人機互動（HCI） 本身：當 ChatGPT 這類大型語言模型（LLM）變...
前言 不管你做的是資料產品、內容網站、還是 side project app，最大的痛點通常不是技術，而是流程「接不起來」。從資料到上線，再到持續改善。原則只有...
前言：為什麼解析這篇論文？ 今天我們深入解析 "Deep Learning for Human Affect Recognition: Insight...
