案例来源：@AI科技评论
1. 目标：在google clips抓拍的视频中自动选取出用户可能会喜欢的视频片段。为了避免用户隐私泄露，模型输出需要在相机本地完成。
2. 评估好与坏：
1）将每个视频分割成若干个短视频片段，随机选取其中两个片段，标注人员标注谁比较好
2）成对评估难度会比直接标注视频分数简单，标注人员标注的稳定性也较好
3）最终从clips的1000个视频中提取了5000万个用于对比的短视频，人工标注作为成对评分
3. 模型训练
1）运用google图像搜索相同的技术，为照片打标签
2）目前google可以为图片打27000种标签，为了降低模型复杂度，google的摄影专家筛选了数百个与预测一张照片“有趣”有关的标签
3）对于一对短视频：
a. 输出每一帧的图片标签
b. 根据标签做分段线性回归得到图片得分
c. 对多帧图片的短视频进行汇总，取平均分作为最终得分
d. 目标是让成对评分中“有趣”的短视频得分更高
4. 抓拍控制
1）降低功耗：clips每秒拍摄一张照片（低功耗状态），当照片的有趣程度高于clips的阈值，就进入拍摄15秒短视频状态（高功耗状态）
2）避免冗余拍摄：将视觉上相似的短视频作为一类（如狗狗类、小孩类），每个类只保留一定数量的视频
3）二次评估：用户是评估视频是否有趣的最终标准，clips倾向于拍摄更多片段，让用户有选择权
5. 机器学习的公平性
1）数据集中对性别、肤色做取样，避免模型偏向于某种性别或肤色
2）任何软件上的改变都要进行电池续航测试