8 个问题，给你一个 3D 身体模型——没有照片，没有 GPU，整个模型 85 KB。
clad.you 这周公开了一个反潮流的 demo。在所有人都在拼参数、拼算力的时间点，他们做了个朴素得让人意外的工具：你回答 8 道题（性别、身高、体重、体型偏好等），系统就吐出一个完整的 3D 身体——58 个体型参数、关键围度，加身高体重。一秒之内。CPU 上跑。
模型本身比一张照片还小：两层 hidden、每层 256 个神经元的 MLP，加一点 dropout，权重总共 85 KB。训练数据是几万个合成体型，单 gender 训练一次，笔记本上 60 分钟跑完。没有 PyTorch 集群，没有显卡。
精度数据写得很坦白。身高平均误差 0.3 厘米，体重平均误差 0.3 公斤、95% 分位 1.2 公斤，胸腰臀围误差 3 到 4 厘米。这不是顶级数字，但对于 8 个问题就给出的结果，已经足够支撑虚拟试衣的真实使用场景。
工程上有一处细节值得注意。损失函数里包含了体型模型的前向计算——也就是说，模型不是独立预测每个参数，而是在物理一致性的约束下输出参数（身高和体重必须协调）。这是个小巧的工程选择，也是为什么 8 个输入能撑起 58 个参数预测：先验做对了。
这个东西的真正卖点不是技术。是它绕开了拍照——隐私问题、采光问题、姿势问题、上传速度问题，全部不需要解决。对一个买衣服的用户，「回答 8 道题」比「对着摄像头转一圈」心理门槛低得多。开发者也省了一整套 vision pipeline。
作者也明确写了局限：结果是同样回答下的人群平均体型，不是你本人；腰围还有 1.3 厘米的不可消除波动；UI 上让人选体型偏好那一步用户体验还有调整空间。这些坦诚比夸大几个数字更可信。
PWA 可以直接试，开发期间的 REST API 免费——链接在评论区。
这一周大家都在讨论 1.6 万亿参数的 MoE，这个 85 KB 的小工具是另一种聪明：明确问题边界，挑对先验，把代价压到最小。不是每个 ML 问题都需要 H100。
原始出处 · 第一条评论拿
关注 @svtransit1 · 每天都有有用的 AI 资讯
#AI #机器学习 #实用工具 #隐私优先 #AI日报
原始来源：https://clad.you/blog/posts/questionnaire-mlp/
关注 @svtransit1 · 每 3 小时一篇 AI 前线 · RSS