用 Gemini 4 Argon 做人体姿态估计：一张标号图+提示词搞定关键点检测
Roger_M_Taylor · x · 2026-10-21
开发者 Skalski 分享了在 Gemini 4 Argon 中用纯提示词做关键点检测的实验，从手部关键点扩展到全身人体姿态估计。
做法：
- 给模型一张带编号点位的人体/手部示意图
- 让它在真实图片中定位这些编号点
- 进一步对视频的每一帧重复同样操作，实现逐帧姿态跟踪
作者公开了完整 prompt、结果与模型常犯的错误，展示了一种不训练、纯靠提示词+参考图让多模态模型做结构化视觉定位的可复现玩法。
「多模态」频道最新
- 用 8 张图+45 条语音训出原创角色 LoRA：MiniMax H3 实战全记录 — DeliciousGorilla · 2026-10-21
- LTX Desktop 1.3.0 发布：聊天排队生视频，新增 Assistant 与快速预览 — ltx_model · 2026-10-21
- 1.3B 开源 OXR 登顶三大文档解析榜，吞吐 3 倍于 GLM-OCR — rohanpaul_ai · 2026-10-21
- 雪花玻璃球超现实主义 prompt 模板：两个颜色变量造奇境 — LudovicCreator · 2026-10-21
- Midjourney 提示词分享：sref 3862207478 打造复古听歌室插画风 — tisch_eins · 2026-10-21
- MiniMax H3 图生视频实测:小脸眼睛漂移问题怎么解? — Downtown-Term-5254 · 2026-10-21