一個開發(fā)者最近開源了個小工具，能在瀏覽器里實時判斷你有沒有戴眼鏡。不是什么云端API，也不需要上傳照片——攝像頭畫面直接進模型，推理結(jié)果立刻出來。整個流程跑下來，平均延遲只有27毫秒。

這個項目叫FrameFind。作者最初只是想試試瀏覽器本地跑計算機視覺能有多快，結(jié)果做出了一個讓自己都意外的速度。

核心技術(shù)棧很精簡：ONNX Runtime Web負責(zé)推理，MediaPipe的FaceMesh提取面部關(guān)鍵點，可選WebGPU加速，不支持時自動降級。模型本身只有6.2MB，第一次加載后能被瀏覽器緩存，回頭再打開幾乎是秒啟動。

真正讓速度起飛的，是一個反直覺的裁剪策略。作者沒有讓模型處理完整畫面，而是用FaceMesh landmarks定位眼睛區(qū)域，只把112x112像素的小塊送進模型。ROI（感興趣區(qū)域）縮小后，計算量斷崖式下跌，幀率卻穩(wěn)住了。

完整流水線長這樣：FaceMesh定位 → 眼部區(qū)域裁剪 → 張量歸一化 → ONNX推理 → 時序平滑。最后一步 smoothing 是必須的，因為單幀預(yù)測會抖動，尤其遇到光線變化或面部遮擋時，連續(xù)幾幀的結(jié)果需要加權(quán)平均才能穩(wěn)定輸出。

作者還封裝了一個React hook，意圖很明顯：讓前端開發(fā)者能直接拖進UI，不用管底層管線。另外配了個Node.js版本做服務(wù)端圖片處理，但瀏覽器端才是主戰(zhàn)場。

這個項目的真正野心不在"眼鏡檢測"這個功能本身。作者想驗證的是：小型專用視覺模型，能不能讓瀏覽器里的實時交互變得更實用？

傳統(tǒng)做法是把視頻幀發(fā)到服務(wù)器，或者調(diào)用重量級云API。FrameFind走了一條相反的路——計算全部留在客戶端。代價是模型必須夠小、夠?qū)�，好處也直觀：零網(wǎng)絡(luò)延遲、零隱私泄露風(fēng)險、零服務(wù)器成本。

6.2MB的體積，27毫秒的推理速度，這兩個數(shù)字放在一起，說明瀏覽器本地跑輕量CV模型已經(jīng)跨過"能用"的門檻，正在逼近"好用"。

項目已開源，Demo和代碼鏈接在作者主頁。如果你在做需要實時視覺反饋的Web應(yīng)用，這個流水線值得參考。