Mjeti për turbullimin e fytyrave në ToolZip kryen të gjithë përpunimin në pajisjen e përdoruesit, përfshirë inferencën e AI. Sipas zhvilluesve, asnjë imazh nuk largohet nga pajisja. Kjo shmang ngarkimin e fotografive në server, veçanërisht kur përdoruesit synojnë të fshehin identitetin e personave të fotografuar.
Përpunimi në server kërkon ngarkimin e imazhit, ekzekutimin e modelit dhe kthimin e rezultatit. Krahasuar me këtë qasje, zgjidhja lokale shmang kostot e inferencës në server dhe vonesat e transferimit, si dhe kufizon shqetësimet për privatësinë, GDPR dhe vendndodhjen e ruajtjes së të dhënave.
Zgjidhja mbështetet te TensorFlow.js, që mundëson ekzekutimin e modeleve të mësimit makinerik në shfletues me përshpejtim grafik përmes WebGL. Teksti paraqet MediaPipe Face Detection dhe BlazeFace si modele të lehta e të shpejta, të disponueshme si paketa npm. Në shembullin me MediaPipe, ngarkimi i parë shkarkon rreth 3 MB parametra të modelit, të cilët më pas ruhen në memorien cache të shfletuesit.
Pas zbulimit të fytyrave, mjeti turbullon zonat përkatëse në canvas, duke shtuar një hapësirë anësore sa 15% e gjerësisë së fytyrës. Shembulli përdor filtrin CSS blur() për zona drejtkëndore. MediaPipe është projektuar për video në kohë reale me mbi 30 kuadro në sekondë; megjithatë, inferenca e parë kërkon rreth 300–500 milisekonda gjatë inicializimit të WebGL.
Burimi: DEV Community (Web Dev Feed) — lexoni artikullin e plotë në anglisht.
