Cloud Vision Face地标：如何解释Z协调？

Question

我一直在使用Google Cloud Vision来识别面孔。到目前为止，还算不错，但是我注意到人脸界标以3轴位置返回。 X和Y是图像中的像素坐标，很好。

返回的Z值是另一个问题，API参考未指明其含义。它们绝对非零，因此它们表示某种意义。但是它们的范围是+ ve和-ve，所以它们不是相对于视图位置，而是相对于其他点（在脸上？），我不知道它们可能位于什么单位。

任何人（尤其是Google的人）都能对此有所了解吗？

关于Google Cloud Vision面部特征的API参考：https://cloud.google.com/vision/docs/reference/rest/v1/images/annotate#Landmark

---

我对UNITS的了解：

我以不同的分辨率测试了同一张图像。返回的Z值似乎相对于图像的比例成比例（大约）。也就是说，对于1024x1024的图像，Zs大约是同一图像的Zs的两倍，缩放为512x512。

这意味着这些Z值的单位与图像的像素大小成比例...但是图像的宽度和高度与摄像机的视场和纵横比相对应（它们不能解释为距离）并且对我来说，尚不清楚深度值可能与那些参数有关。

---

我对参考点的了解：

经过检查，似乎界标Z值几乎始终在-ve和+ ve范围内，这意味着相对于它的任何值都在它们中间的某个位置。但是我找不到清晰的图案（例如，它基于眼睛的中心或其他特定点）。