AIGaitor：面向每个人的隐私保护且无需云端的边缘计算运动分析

运动捕捉是测量人体运动的黄金标准，但因成本高、技术复杂及隐私顾虑，临床应用仍受限。AIGaitor 是一个隐私保护且无需云端的运动分析系统，完全基于消费级智能手机的 onboard 神经加速器运行无标记单目运动捕捉管线及后续深度学习分析。为阐释设计动机，我们调查了74名康复医生：92%受访者表示会采用这一精准、性价比高、易用的AI步态分析工具，而79.7%将 operating cost 列为主要障碍，68.9%认为培训不足，64.9%担忧隐私问题。随后我们针对当前单目管线组件（包括2D和3D姿态估计、姿态优化、基于骨架的深度学习分析以及视觉语言模型）进行了移动iOS实现的优化与基准测试。一个 Time-Priority 端到端 on-device 管线可在iPhone 14上用时77秒处理10秒4K 60fps视频片段，在包含网络传输的场景下，其性能不输给高端NVIDIA H200云服务器：在全球移动平均上传带下为94秒，在发达地区Wi-Fi下为66秒。轻量级模型如 ViTPose-s 能实现实时关键点提取，基于骨架的动作识别模型可在同一片段上实现亚毫秒级步态分类。据我们所知，AIGaitor 是首个在单目系统上演示端到端 on-device 运动捕捉及后续深度学习分析的系统，支持低成本、隐私且面向智能手机用户的临床可达运动分析。