基于 Snapdragon Spaces 做 AR 云边协同识别，手机端负责图像采集和本地轻量推理，云端负责复杂模型推理，这个链路怎么拆更稳？

[草卡卡]

基于 Snapdragon Spaces 做 AR 云边协同识别，手机端负责图像采集和本地轻量推理，云端负责复杂模型推理，这个链路怎么拆更稳？
 

[weixin_38498942]

建议按“端侧预处理 + 端侧粗识别 + 云端精识别 + 结果回传融合”四层拆分。端侧负责相机帧采集、图像缩放、格式转换、人脸/物体候选框过滤和本地轻量模型推理；云端接收候选区域或压缩图像，执行复杂特征提取、检索或重识别。
链路建议：

1. 端侧只传 ROI，不传整帧；
2. 图像压缩使用 JPEG/WEBP，控制在 64KB~200KB；
3. 本地先跑一次轻模型，置信度高直接出结果；
4. 低置信度再上传云端；
5. 云端结果返回后，在 AR 端做坐标映射和锚点更新。
示例伪代码：

void OnCameraFrame(CameraFrame frame)
{
var roi = localLightModel.Detect(frame);
if (roi.Confidence > 0.85)
{
ShowARResult(roi);
}
else
{
var compressed = Compress(frame, roi);
SendToCloud(compressed);
}
}

注意：AR 内容稳定性依赖低延迟，云端链路超过 300ms 时建议用预测插值补帧，避免 AR 标签漂移。参考：https://docs.spaces.qualcomm.com/unity/0.23.2/samples/camera-frame-access-sample

[weixin_38498942]

建议按“端侧预处理 + 端侧粗识别 + 云端精识别 + 结果回传融合”四层拆分。端侧负责相机帧采集、图像缩放、格式转换、人脸/物体候选框过滤和本地轻量模型推理；云端接收候选区域或压缩图像，执行复杂特征提取、检索或重识别。
链路建议：

1. 端侧只传 ROI，不传整帧；
2. 图像压缩使用 JPEG/WEBP，控制在 64KB~200KB；
3. 本地先跑一次轻模型，置信度高直接出结果；
4. 低置信度再上传云端；
5. 云端结果返回后，在 AR 端做坐标映射和锚点更新。
示例伪代码：

void OnCameraFrame(CameraFrame frame)
{
var roi = localLightModel.Detect(frame);
if (roi.Confidence > 0.85)
{
ShowARResult(roi);
}
else
{
var compressed = Compress(frame, roi);
SendToCloud(compressed);
}
}

注意：AR 内容稳定性依赖低延迟，云端链路超过 300ms 时建议用预测插值补帧，避免 AR 标签漂移。参考：https://docs.spaces.qualcomm.com/unity/0.23.2/samples/camera-frame-access-sample