איך AI מוצא תמונות כפולות ודומות (ולמה זה טוב יותר מחיפוש ידני)

פתחו את ספריית התמונות באייפון וגללו דרך כל אירוע אחרון - ארוחת ערב עם חברים, טיול בפארק, מפגש משפחתי. ספרו כמה פעמים צילמתם בעצם את אותה תמונה. שתי תמונות של אותה צלחת אוכל. שלושה סלפי שבהם רק הזווית השתנתה מעט. חמש תמונות של שקיעה שצולמו בהפרש של 10 שניות.

קרא גם: איך לתקן אנשים כפולים באלבום People באייפון

עכשיו הכפילו את זה על פני כל יום, כל חודש, כל שנה שבה יש לכם את האייפון. התוצאה? לרוב האנשים יש 20-30% יותר תמונות ממה שהם באמת צריכים, ורוב העודף הזה מורכב מתמונות כפולות וזהות כמעט.

קרא גם: איך להשוות תמונות זו לצד זו באייפון (ולבחור את התמונה הטובה ביותר)

השאלה היא: איך מוצאים את כולן בלי לבזבז את כל סוף השבוע בגלילה?

יש לכם יותר תמונות כפולות ממה שאתם חושבים

תמונות כפולות מתגנבות לספרייה שלכם ממקומות רבים יותר ממה שאולי ציפיתם. הנה האשמים הנפוצים ביותר:

צילומי רצף וצילום מהיר

כשמחזיקים את כפתור הצמצם, האייפון מצלם מספר פריימים בשנייה. גם אם התכוונתם לצלם רק תמונה אחת, אתם עלולים לקבל 10. האלבום "רצפים" של אפל תופס חלק מאלה, אבל רבות חומקות כתמונות בודדות - במיוחד אם רק הקשתם על הצמצם מהר במקום להשתמש במצב רצף בכוונה.

צילומי מסך של צילומי מסך

צילמתם מסך של מתכון. אחר כך חתכתם אותו. עכשיו יש לכם שני עותקים. צילמתם מסך של שיחה כדי לשלוח למישהו אחר. זה עוד כפיל. עם הזמן, אלה מצטברים: למשתמש אייפון ממוצע יש מאות צילומי מסך מיותרים.

שמירות מאפליקציות הודעות

כשמישהו שולח לכם תמונה בוואטסאפ, iMessage או אינסטגרם, ואתם שומרים אותה, עכשיו יש לכם עותק. אם הם שלחו את אותה תמונה דרך מספר אפליקציות (או ששמרתם אותה פעמיים בטעות), יש לכם מספר עותקים. הכפילים האלה מתגנבים במיוחד כי לעתים קרובות יש להם שמות קבצים ומטא-דאטה שונים, מה שהופך אותם לבלתי נראים לשיטות זיהוי פשוטות.

סיבוכי סנכרון ענן

אם אתם משתמשים ב-iCloud Photos, Google Photos או שירות ענן אחר, בעיות סנכרון יכולות ליצור כפילים. שחזור מגיבוי, מעבר בין מכשירים, או הפעלה וכיבוי של סנכרון ענן יכולים כולם לייצר רשומות כפולות שנראות זהות לכם אבל יש להן תכונות קובץ שונות.

הורדות מרשתות חברתיות

המם ההוא ששמרתם מאינסטגרם? כנראה ששמרתם אותו שוב שלושה חודשים אחר כך כשמישהו אחר פרסם אותו. שיתוף מחדש ברשתות חברתיות יוצר מעגל של הורדות כפולות שמצטבר בשקט.

השפעת הכפילים

• 25% שיעור כפילים ממוצע בספריות תמונות
• 5,000 כפילים פוטנציאליים בספרייה של 20 אלף
• 15 GB אחסון מבוזבז על כפילים

איך זיהוי תמונות כפולות מסורתי עובד

רוב מוצאי התמונות הכפולות משתמשים בגישה פשוטה: התאמת קבצים מדויקת. הם מחשבים hash (טביעת אצבע דיגיטלית) של כל קובץ ומשווים אותם. אם לשני קבצים יש את אותו hash, הם זהים, בית אחר בית.

זה עובד היטב עבור עותקים אמיתיים - קבצים שזהים ביט אחר ביט. אבל זה נכשל לחלוטין עבור הסוגים הנפוצים ביותר של "כפילים" בחיים האמיתיים:

• אותה תמונה, רזולוציה שונה. שמרתם תמונה מהודעה ברזולוציה דחוסה. המקור הוא 4032x3024 פיקסלים; הגרסה השמורה היא 1200x900. התאמה מדויקת? סיכוי אפסי.
• אותו סצנה, חיתוך מעט שונה. צילמתם שתי תמונות של אותו דבר, אחת כמה פיקסלים שמאלה. עבור hash של קובץ, אלה קבצים שונים לחלוטין.
• אותה תמונה, פורמט שונה. ל-JPEG ול-HEIC של אותה תמונה יהיו hash קבצים שונים לחלוטין, למרות שהם נראים זהים לעיניים שלכם.
• אותו רגע, תזמון מעט שונה. שתי תמונות של החבר שלכם צוחק, שצולמו בהפרש של חצי שנייה. למעשה אותו זיכרון, אבל טכנית קבצים ייחודיים.

בפועל, התאמת קבצים מדויקת תופסת אולי 10-15% מהכפילים בספרייה טיפוסית. השאר - ה"כמעט כפילים" שאדם היה מזהה מיד כמיותרים - חומקים.

איך Perceptual Hashing משנה הכל

כאן הדברים נהיים מעניינים. במקום להשוות קבצים ברמה הבינארית, Tidy משתמש בטכנולוגיה שנקראת perceptual hashing (pHash) כדי להשוות איך תמונות באמת נראות לעין האנושית.

הנה איך זה עובד, בשפה פשוטה:

שלב 1: פשטו את התמונה

ראשית, האלגוריתם מקטין את התמונה מאוד - לתמונה ממוזערת זעירה, בערך 32x32 פיקסלים. הוא גם ממיר אותה לגווני אפור. זה מסיר פרטים שלא משנים לזיהוי "דמיון" (צבעים מדויקים, מרקמים עדינים) תוך שמירה על המבנה והקומפוזיציה הכוללים.

שלב 2: החילו טרנספורמציה מתמטית

לאחר מכן, הוא מחיל משהו שנקרא Discrete Cosine Transform (DCT) על התמונה הממוזערת. בלי להיכנס עמוק מדי למתמטיקה, DCT מפרק את התמונה לרכיבי התדר שלה - בעצם מתאר את התמונה במונחים של דפוסים במקום פיקסלים בודדים. חשבו על זה כמו לתאר שיר לפי המנגינה שלו במקום כל גל קול בודד.

שלב 3: צרו טביעת אצבע קומפקטית

מפלט ה-DCT, האלגוריתם מחלץ את הדפוסים החשובים ביותר וממיר אותם ל-hash של 64 ביט - טביעת אצבע קומפקטית שתופסת את המהות של איך התמונה נראית. שתי תמונות של אותו סצנה יפיקו hash דומים מאוד, גם אם הם שונים ברזולוציה, דחיסה, פורמט או חיתוך קל.

שלב 4: השוו טביעות אצבע

כדי לבדוק אם שתי תמונות דומות, Tidy משווה את ה-hash שלהן באמצעות משהו שנקרא מרחק Hamming - בעצם סופר כמה ביטים שונים בין שתי טביעות האצבע. מרחק של 0 אומר שהתמונות נראות זהות. מרחק של 5-10 אומר שהן מאוד דומות. מעל 15, הן כנראה תמונות שונות לחלוטין.

במילים פשוטות: במקום לשאול "האם הקבצים האלה זהים?", perceptual hashing שואל "האם התמונות האלה נראות אותו דבר לאדם?" זו שאלה הרבה יותר שימושית כשמנסים לנקות את הספרייה.

קיבוץ חכם עם Union-Find clustering

מציאת זוגות של תמונות דומות היא רק ההתחלה. הכוח האמיתי בא מקיבוץ אותן בצורה חכמה. Tidy משתמש בטכניקה שנקראת Union-Find clustering כדי לקבץ תמונות קשורות יחד. אם תמונה A דומה לתמונה B, ותמונה B דומה לתמונה C, כל השלוש מגיעות לאותה קבוצה - גם אם A ו-C לא דומות ישירות אחת לשנייה.

זה אומר שכאשר אתם סוקרים רצף של 8 תמונות מאותו רגע, Tidy מציג את כולן יחד כדי שתוכלו לבחור את הטובה ביותר ולהשמיט את השאר במעבר אחד.

דומה לעומת כפול: מה ההבדל?

Tidy מבחין בין שתי קטגוריות, וההבדל חשוב:

כפילים

אלה תמונות שהן בעצם אותה תמונה, אולי שמורות בפורמטים שונים או ברזולוציות שונות. אותה תמונה ששמרתם מוואטסאפ ויש לכם גם כמקור. אותו צילום מסך שצולם פעמיים. עם כפילים, אין הבדל משמעותי בין העותקים - אתם פשוט רוצים לשמור אחד ולמחוק את השאר.

תמונות דומות

אלה תמונות של אותו רגע או סצנה, אבל עם שינויים קלים. שלוש תמונות של שקיעה שבהן העננים זזו מעט בין כל אחת. שני סלפי שבהם ההבעה שלכם קצת שונה. חמש תמונות של הארוחה שלכם מזוויות מעט שונות. עם תמונות דומות, אתם רוצים לבחור את הטובה ביותר ולהשמיט את השאר.

ההבחנה הזו חשובה כי ההחלטה שונה. עבור כפילים, הבחירה טריוויאלית - שמרו כל עותק אחד. עבור תמונות דומות, אתם רוצים להשוות ולבחור את המועדפת שלכם. לכן ל-Tidy יש מצב השוואה שמציג תמונות דומות זו לצד זו, מה שמקל על זיהוי התמונה החדה, המורכבת הכי טוב, או המחמיאה ביותר.

למה זיהוי AI מנצח גלילה ידנית

האם יכולתם תיאורטית למצוא את כל הכפילים שלכם על ידי גלילה ידנית בספרייה? בטח - אם יש לכם זמן בלתי מוגבל וזיכרון מושלם. בפועל, זיהוי מונע AI מנצח מכמה סיבות ברורות:

מהירות

Tidy יכול לנתח אלפי תמונות ברקע בזמן שאתם עוסקים ביום שלכם. סריקה מלאה של 20,000 תמונות לוקחת דקות של זמן עיבוד, לא השעות או הימים שהיה לוקח לכם להשוות ידנית כל תמונה לכל תמונה אחרת. והמתמטיקה מפכחת: השוואת כל תמונה לכל תמונה אחרת בספרייה של 20,000 תמונות אומרת 200 מיליון השוואות פוטנציאליות. אף אדם לא עושה את זה.

עקביות

העיניים שלכם מתעייפות. הקשב שלכם נודד. אתם עשויים לשים לב ששתי תמונות דומות כשהן ממש אחת ליד השנייה בגלריה, אבל לפספס אותן לחלוטין כשהן מופרדות על ידי 500 תמונות אחרות. האלגוריתם אף פעם לא מתעייף ואף פעם לא מפספס התאמה, ללא קשר לכמה רחוק שתי תמונות דומות נמצאות בציר הזמן שלכם.

תפיסת מה שאתם מפספסים

Perceptual hashing תופס דמיון שרוב האנשים היו מתעלמים ממנו: תמונה והגרסה החתוכה שלה, אותה תמונה שמורה ברמות איכות שונות, צילומי מסך של אותו תוכן שצולמו שבועות אחד מהשני. אלה הכפילים שמנפחים את הספרייה שלכם בשקט בלי שתבחינו אי פעם.

תעדוף חכם

כש-Tidy מוצא קבוצות דומות, הוא לא פשוט זורק אותן לרשימה. הוא מציע איזו תמונה לשמור על סמך סימני איכות - חדות, חשיפה, רזולוציה. התמונה המטושטשת מתוך חמש תמונות כמעט זהות מסומנת להשמטה. החדה ביותר מוצעת כשומרת. אתם עדיין מקבלים את ההחלטה הסופית, אבל ה-AI עושה את העבודה הכבדה של הניתוח.

פרטיות: הכל נשאר במכשיר שלכם

הנה משהו חשוב: כל ניתוח התמונות של Tidy מתרחש לחלוטין על האייפון שלכם. התמונות שלכם אף פעם לא מועלות לשום שרת. ה-perceptual hashing, זיהוי הדמיון, והקיבוץ כולם רצים מקומית באמצעות המעבד של המכשיר שלכם.

זה חשוב כי ספריית התמונות שלכם היא אישית מאוד. היא מכילה את המשפחה שלכם, הבית שלכם, הרגעים הפרטיים שלכם. כלי ניהול תמונות רבים דורשים העלאות לענן כדי שתכונות ה-AI שלהם יעבדו. Tidy לא. התמונות שלכם אף פעם לא עוזבות את המכשיר שלכם, נקודה.

הניתוח ברקע רץ כשהטלפון שלכם נטען בלילה, באמצעות ה-BackgroundTasks framework של אפל. עד שאתם פותחים את Tidy בבוקר, הספרייה שלכם נותחה והכפילים שלכם מוכנים לסקירה - הכל בלי שבית אחד של הנתונים שלכם עזב את האייפון שלכם.

אפס העלאות לענן. אפס איסוף נתונים. אפס פשרות. כל עיבוד ה-AI רץ על מנוע ה-neural של האייפון שלכם. התמונות שלכם הן העסק שלכם, והן נשארות כך.

תנו ל-AI לעבוד על הספרייה שלכם

מציאת והסרת תמונות כפולות ודומות היא אחת הדרכים המהירות ביותר לפנות אחסון באייפון. אם לספרייה שלכם יש 20,000+ תמונות, יש סיכוי טוב מאוד שאלפים מהן מיותרות - ולעולם לא הייתם מוצאים את כולן על ידי גלילה ידנית.

ה-AI של Tidy עושה את העבודה המייגעת של סריקה, השוואה וקיבוץ. אתם מקבלים את החלק המספק: החלקה דרך התוצאות והחלטה מה נשאר. בחרו את התמונות הטובות ביותר מכל קבוצה, השמיטו את השאר, ותהנו מספרייה רזה יותר, מסודרת יותר, וקלה יותר לעיון.

בשילוב עם עורך התמונות המובנה, אתם יכולים אפילו לשפר את התמונות שאתם שומרים לפני שאתם מסיימים את סשן הניקוי.