問題
aiGait 以影像數位化步態評估，協助臨床人員降低人工評估負擔。模型在開發環境可用，但部署到 mobile／edge 裝置時速度不足，而且臨床現場常有醫護人員走進畫面、遮擋受測者。
做法與決策
- 模型是先物件偵測、再估計骨架的 cascade 架構；我把推論從 PyTorch 轉為 ONNX Runtime。
- 把前後處理移到裝置端並向量化，減少額外的執行負擔。
- 以抽幀／跳幀減少需要完整推論的影格，並讓影像擷取與推論以多執行緒非同步進行。
- 偵測到遮擋的影格直接丟棄，或以前後影格補間，避免錯誤骨架影響步態參數。
結果
- 在 mobile／edge 裝置上推論速度約提升 300%。
- 另建立 AI-assisted literature review workflow，整理 100+ 篇步態障礙與復健研究，製作方法比較表與內部知識庫。