GitHub 爆紅「WiFi DensePose」翻車？主打免鏡頭、只靠 Wi-Fi 就能辨識姿態

最近由開發者 ruvnet 製作的 GitHub 開源專案 「WiFi DensePose」憑藉著「不用攝影機，只要利用家中現有的 WiFi 路由器，就能精準偵測人體姿態、追蹤動作的概念」一夕爆紅，並獲得超過 1 萬顆星的關注。

這項計劃除了概念吸引人之外，專案內容的寫法也很像是可以直接執行的專案，但網友 照著資料執行卻出現大量質疑聲浪，多位使用者抱怨這根本不能用。到底這項專案計劃有什麼亮點？為什麼又會被質疑呢？就讓我們接著看下去吧！

亮點 1：有研究計畫背書，概念不是憑空捏出來的

根據 RepoInside 網站資料整理，WiFi DensePose 是以卡內基美隆大學（CMU）論文 《DensePose From WiFi》 執行的方向延伸，主要是利用 Wi-Fi 訊號穿透人體時造成的反射、散射與多徑變化，擷取路由器/網卡的 CSI（Channel State Information），再交給深度學習模型推算人體姿態與動作。

由於這項研究確實存在，論文也提到 Wi-Fi 偵測，看起來確實有機會實現。

亮點 2：它不只有模型，還把「工程化外殼」做得很完整

根據 RepoInside 網站的描述，WiFi DensePose 除了神經網路架構，還提供 REST API、WebSocket 即時串流、跌倒偵測、活動識別、佔用監測等分析功能，甚至強調企業等級的驗證、限流與監控設計，看起來這項計劃可以直接執行使用。

換句話說，它不只是提供模型，還把系統也鋪好。畢竟對工程師來說，API、串流、部署文件往往比計畫本身更能決定到底能不能執行使用。

問題來了！網友執行後，發現「它根本不能用」

質疑 1：最狠的那句話「AI slop、程式根本沒 Wi-Fi」

在 GitHub issue 裡，網友 ixtrunai 直接寫下「This project is AI Slop, no wifi reference in code or libraries, cannot work」。

意思就是，他認為這個專案像是 AI 生成內容，程式或依賴裡看不到 Wi-Fi/CSI 的核心實作痕跡，因此不可能正常運作。

質疑 2：有人回報「最後只是在跑 MOCK 模式，輸出像亂數」

另外在 issue 9 的回報中，網友表示自己一路解決安裝、連線等多個問題後，等到連上 WebSocket 才發現系統是在 MOCK_HARDWARE mode，輸出的是「隨機/生成的座標」，而不是來自 Wi-Fi 感測的結果。

這個意見反映出，WiFi DensePose 開源計畫雖然看起來寫得很完整，但不代表它真的能夠執行。

質疑 3：網友質疑開發者對於計劃的維護態度

除了開源軟體不能執行之外，網友 skaffff 還抱怨開發者把所有 issue 的回覆都設定為「Closed as not planned」，也就是開發者 ruvnet 認為這個意見不在計畫內，因此選擇關閉結案。

被以「Closed as not planned」結案的不是只有一篇，而是這個專案計畫的所有意見，縱然有開發者認真地進行實測，並撰寫執行過程的技術問題，但這意見也是被設定以「Closed as not planned」結案。

對開源社群來說，專案計畫可不可以用是一回事，但當大量意見被設定以不在計劃內而結案，就外界很容易解讀成開發者沒有真正處理，進一步加深社群的不信任感，因此有網友指控這個開源計畫根本是「AI slop」，也就是 AI 生成。

技術可能成立 ≠ 這個專案就能執行

儘管這個以 Wi-Fi 進行人體姿態辨識的「WiFi DensePose」開源計畫確實不是幻想，也確實存在於卡內基梅隆大學(Carnegie Mellon University)的研究論文之中。

但是「WiFi DensePose」開源計畫的爭議在於，它在 GitHub 平台呈現的是可以執行的軟體，但網友的意見討論認為 CSI 擷取、訊號處理、模型推論似乎不夠完整，而且也無法執行。

換句話說，就是概念很合理、也有論文背書，開發檔案也寫得很扎實，但是真正的「可用性」卻是令人失望。

WiFi DensePose 事件，某種程度是「AI 時代的開源新地雷」

總而言之，WiFi DensePose 會爆紅，並不意外。因為它同時具備「免鏡頭」、「隱私性」、「即時感測」、「看起來可直接安裝使用」等特色，而這些關鍵字很容易讓讀者轉發分享給其他人。

但是在這個 AI 協作寫程式越來越普遍的時代，有許多開源程式計畫都顯示看起來可以執行，實際上卻總是令人失望。尤其就算是開發專案在 Github 獲得很多顆星的關注，但也不代表使用者只要下載就能使用。

《原文刊登於合作媒體三嘻行動哇 https://3c.yipee.cc/326940/，聯合新聞網獲授權轉載。》

圖片及資料來源：Github、Repoinside、Hacker News