自作顔認識モデル

20名程度のデータを使ってドメイン知識を使うアプローチ

PyTorchやLightGBMはONNIXならONNIXランタイム上で動くが、Unity Barraqudaでは動かない...

Unity組み込み

推論コストの概算

PC GPUで計測

アプリ負荷

Unity ProfilerやSRDebuggerで計測

端末の要件

Androidなら64bit専用か

OpenGLかValkanか

OpenGL ESなら3.1移行か

iPhoneは6S以降なら2GB+

まずCPUから

ANE、DSP、NPUはプロセッサに特化した実装が必要になり難易度が高い

推論ランタイムがたくさんある。目的に応じて使い分ける

PoCではTensorflow liteがおすすめ

汎用的に速度が出る

同じモデル、同じCPUでも推論ランタイムで10倍ぐらい違う

LightGBMから比較的簡単にTFLiteに出力できるエコシステムがある

Unity導入が簡単

PoC（CPUでのやる）ではボトルネックがどこか明らかにしておく

推論そのものが重いケース

こっちだと面倒

一般にGPUにすれば推論は早くなる

しかし、CPUからGPUへの変換コストが乗っかるため、トータルが早くなるとは限らない

前処理、後処理が重いケース