我用计算机视觉给硬拉动作打分，才发现模型在替自己「脑补」姿态

一个 Hacker News 上的 Show HN 帖子，作者做了个计算机视觉工具，用来评估硬拉动作做得到不到位。代码挂在 GitHub 上，也放了视频演示。这几件事本身算不上一鸣惊人，但里面串起来的几个模型读着挺有代表性：SAM 3.1 负责切分出杠铃片，ViTPose+ Large 去量髋部铰链角度，最后用一个 26B 的 Gemma 4，通过 VLM Run Gateway 的输出判断背部是不是圆了。

三个模型各管一段，中间还挂着个推理网关。这个组合很像是现在做 AI 应用的人会干的事：不从头训，而是把现成的、各自擅长某个点的模型拼起来，跑通一个真实场景。

作者提到的一个细节我在意：用 ViTPose+ 去量髋铰链角度，给「分次数」做备用判断——每一组到底做了几个，靠姿态数据兜底。然后 Gemma 4 26B 输出背部是否圆背的概率，作者说他有意做出的每组动作，模型的预测和他本人的意图能对上。

这里有个绕不开的点：硬拉到底算不算「好形式」没有统一答案，很看个人身体结构，作者自己也提醒了。所以这种工具的价值不在给你一个「标准答案」，而是给个数据，让你自己慢慢调。他说得比较克制：「让一个人有数据去评估形式、随时间改善」。

我琢磨了一下这工具真正省的是什么。以前想知道自己硬拉时背有没有圆，得录视频，慢放，逐帧看，甚至找懂行的人盯着。现在架个手机，跑一遍这三步，几秒出概率。它不替代教练，也不替代你自己的体感，但把「有没有圆背」这个模糊感觉，变成了一个能反复量、能比较的数字，等于把「自我纠正」的门槛拉低了。

边界方面作者也算老实。好形式本来就因人而异，模型给的只是概率，不是诊断。而且圆背概率依赖 Gemma 这种通用 VLM 的判断，背后还有不少能用姿态数据继续挖的地方，他一句「pose data can definitely be used more later」留了个尾巴。

我唯一有点保留的是，这个 demo 更多是「流程通了」，离能长期用的产品还有距离——比如要不要按个人的身高臂展标定，在多个机位下稳不稳，作者暂时都没展开。但作为 Show HN，能把 SAM、姿态估计、VLM 三个模型串成一个真能出结果的 demo，本身就有值得看一眼的理由。工具不负责替你长肌肉，只负责把你练错的地方提前摆到桌面上。

相关链接：
- GitHub 仓库
- 演示视频
- Hacker News 讨论帖