AI 数俯卧撑少算一个，这个开源 demo 反而更值得看

Jeremy Park 做了个俯卧撑 demo。他以为自己做了 25 个，计算机视觉数出 24 个。少的那一个，让这个 demo 比常见健身 AI 更有看头。

真正有用的是判定过程能看，不只是数数。视频下方面板把肩部垂直位移、背线偏差、每次俯卧撑耗时画出来。最后两次 rep 的背线偏离参考直线，图上有痕迹。阈值还能调，因为每个人俯卧撑长得不一样。

技术上不神秘：ViTPose+ Large 出姿态关键点，通过 VLM Run Gateway 调用。肩部垂直位移判断行程是否完整，踝、髋、肩连成线，和直背参考比，算偏差。普通读者可以把它当成一把尺子，不是教练。它不诊断动作，只把可量化的线摊开。

代码在开源仓库 vision-demos。里面不只有俯卧撑：引体向上、跑步、攀岩、硬拉都有 demo。硬拉用 SAM3.1、ViTPose+ Large 和 gemma 分类背直或圆背，并给概率。仓库是 Apache-2.0。浏览器 app 能跑多数 demo，但 push_ups 不在 app 里，得看 push_ups 目录 的 README。rock_climbing_3d 也不在 app 里。跑 app 需要 ffmpeg，匿名有速率限制，填 VLM Run key 能提高限额。

回复里有人问正面拍行不行。这个方案用的是侧向 clip，README 写的是 side-on clip。侧拍能让髋、踝、肩连线更清楚。正面拍目前没看到作者给出结果。有人问深蹲和硬拉，硬拉仓库里已经有，深蹲没看到。

Alex Shev 在回复里说，这个例子有用是因为测量可检查，暴露阈值和偏差图，才能针对不同动作模式负责任地调。ziziran 建议把肩部曲线峰值当书签，点一下回放那一次。这个建议挺实际，尤其 25 比 24 的争议。

Hossein Mokhtarzadeh 贴了 PoseIQ 的 Push-Up Lab，思路相近：侧拍、肘角阈值约 150 度和 120 度、浏览器端处理，并明确说这些是探索性启发式，不是运动标准。

少算一个不丢人。只给一个分数的 AI 健身 demo 才让人没法吵。这个 demo 至少能看见背线在第几个 rep 开始偏。代码开放，错也错得可检查。