API تحديد موقع الصور: ما الذي تخبرك به وما الذي لا تخبرك به

يسبب الاسم خلطًا قبل كتابة أي شيفرة. فـواجهة Geolocation البرمجية في المتصفح تُخبرك بمكان الجهاز الآن، ولا تفعل ذلك إلا بعد أن يمنح المستخدم الإذن. أما API تحديد موقع الصور فتجيب عن سؤال مختلف لمدخل مختلف: أين التُقطت هذه الصورة؟ وقد تكون الصورة عمرها عشر سنوات، ومن أي مكان على الأرض.

هناك ثلاث تقنيات مجاورة يوصف كل منها بأنه «تحديد موقع صورة»: قراءة بيانات GPS الوصفية، والبحث العكسي عن الصور، والتعرف على المعالم. وهي تعيد أشياء مختلفة وتفشل بطرق مختلفة، لذلك يفيد أن تعرف السؤال الذي يطرحه منتجك فعلًا قبل أن تختار واحدة منها.

تتعامل كثير من أنظمة البحث مع هذا بوصفه مسألة تصنيف. فـPlaNet، وهو نموذج من 2016 لباحثين في Google، قسّم سطح الأرض إلى آلاف الخلايا، ودرّب شبكة عصبية على ملايين الصور الموسومة جغرافيًا لتتنبأ بالخلية التي تنتمي إليها الصورة. والناتج توزيع احتمالات على الكرة الأرضية. فصورة لترام في لشبونة تركّز هذا الاحتمال في مكان واحد، أما صورة لغابة صنوبر فتنتشر على عدة قارات. ودرجة الثقة هي في الحقيقة ملخص لهذا الانتشار.

أهم تفصيل في تصميم المنتج أنه لا يلزم أن يكون أي شيء موجودًا على الإنترنت. فالواجهة تعمل على صورة لم تُنشر من قبل، وقد تعيد إجابة حتى حين تكون الأدلة ضعيفة، ولهذا تهم الدرجة بقدر أهمية المكان. وكيفية قراءة النموذج لمشهد مشروحة في موضع آخر، أما هذا الدليل فيتناول ما تفعله بالناتج.

والدقة غير متساوية بالتصميم أيضًا. فقد أعطى PlaNet المناطق الكثيفة بالصور خلايا أصغر من المناطق المتفرقة، لذلك استطاع بلوغ دقة على مستوى الشارع في بعض أحياء المدن، بينما بقيت المناطق الريفية في خلايا أكبر بكثير. ويُتوقع أن تكون معظم النماذج أدق حيث كانت صور تدريبها كثيفة.

EXIF GPS قياس وليس تقديرًا

حين يسجل الهاتف موقعًا، تُكتب الإحداثيات في كتلة GPS مخصصة داخل بيانات EXIF، تحت وسوم مثل GPSLatitude وGPSLongitude. ويضع GPS.gov الدقة المعتادة للهواتف الذكية عند 4.9 متر تحت السماء المفتوحة. ولا تقترب أي طريقة بصرية من ذلك، لذا فإن خط المعالجة السليم يقرأ البيانات الوصفية أولًا ولا يستنتج إلا عند غيابها. وفي الصور التي مرت عبر منصة اجتماعية تكون غالبًا غائبة، لأن إعادة الترميز عند الرفع تسقطها.

البحث العكسي عن الصور عملية بحث

تُظهر ميزة الكشف عن الويب (web detection) في Google Cloud Vision ملامح هذه الفئة. فهي تعيد حقولًا مثل fullMatchingImages وpartialMatchingImages وpagesWithMatchingImages. وحين توجد مطابقة، فالصفحة التي تظهر عليها غالبًا تسمّي المكان صراحة، وهذا يتفوق على أي تقدير. وحين تكون الصورة خاصة أو أصلية، فلا يوجد ما يمكن مطابقته. ومقارنة المحركات تغطي النسخ الاستهلاكية للفكرة نفسها.

التعرف على المعالم يتعرف على الأماكن الشهيرة

تعرّف Cloud Vision ميزة التعرف على المعالم بأنها «تكشف داخل الصورة البنى الشائعة، الطبيعية والمشيَّدة بيد الإنسان». تحمل كل نتيجة حقل description فيه اسم المعلم، وscore، وboundingPoly الذي يحدد موضعه في الإطار، وقائمة locations من الإحداثيات. ومثال Google نفسه يعيد كاتدرائية القديس باسيل بدرجة 0.78.

هناك تفصيلان يفاجئان الفرق. فالشارع العادي لا يعيد أي معلم، لذلك التغطية ضيقة. وقد تصف الإحداثيات المعلم لا الكاميرا: إذ تشير وثيقة Google إلى أن موقعًا واحدًا قد يصف المشهد في الصورة، بينما يصف موقع آخر المكان الذي التُقطت منه الصورة. فشخص يصور برج إيفل من الضفة الأخرى لنهر السين قد يقف على بعد مئات الأمتار من إحداثيات البرج نفسه.

تحديد موقع الصورة يقدّر منطقة لأي مشهد خارجي

الاستدلال البصري هو الوحيد من الأربعة الذي يقدم شيئًا عن شارع عادي لم يظهر على الإنترنت قط. والثمن هو الدقة: فالناتج مدينة أو منطقة مع درجة ثقة، لا نقطة مقاسة أبدًا، والإطار الخالي من أي دليل جغرافي يحصل على إجابة ضعيفة أو لا يحصل على إجابة.

الخطأ التصميمي الذي يجب تجنبه هو دمج الإحداثيات المقدرة وEXIF GPS في حقل موقع واحد. فالشيفرة اللاحقة، والناس الذين يقرؤون ناتجه، سيعاملون تخمينًا على مستوى المدينة بثقة قياس الأقمار الصناعية. أبقِ المواقع المقاسة والمستنتجة منفصلة حتى الواجهة، وسمِّها بشكل مختلف عند عرضها.

والإحداثيات المقدرة تحتاج العناية نفسها. فالنقطة التي تُعاد لمدينة بورتو تمثل منطقة مساحتها كيلومترات مربعة كثيرة. فإذا رسمتها دبوسًا عند تكبير على مستوى الشارع، سيقرأ المستخدمون دقة لم تكن موجودة أصلًا.

تطابق هذه القائمة الجدول أعلاه تمامًا. فهي لا تتضمن أي عنوان شارع، لأن الأدلة البصرية لا تستطيع دعم عنوان، وتضع قراءة البيانات الوصفية بجوار التقدير البصري لا بدلًا منه.

لم يُعلن بعد عن نقاط النهاية والتسعير وحدود الاستخدام وتاريخ الإطلاق، ولا ينبغي قراءة أي شيء في هذه الصفحة على أنه وعد بشأنها. وإذا كنت تخطط لتكامل، فـاطلب الوصول المبكر عبر صفحة التواصل وصف حالة استخدامك.

إلى ذلك الحين، يبقى الموقع الإلكتروني أقرب معاينة للناتج على صور حقيقية. ويأتي تحليل الويب مع GeoSpy Premium، باشتراك قيمته 7.99 دولار أمريكي أسبوعيًا أو 29.99 دولارًا أمريكيًا سنويًا، يتجدد حتى تلغيه، ولا تُخزَّن الصور المرفوعة.

• فحوص قوائم الأسواق. إيجار عطلة معلن في برشلونة تشير صوره بقوة إلى بلد آخر يستحق نظرة ثانية. أرسل التعارض إلى مراجع بدلًا من رفض القائمة تلقائيًا، وتذكّر أن الصور الداخلية، التي تشكل جزءًا كبيرًا من أي قائمة، لا تمنح النموذج إلا القليل ليقرأه.
• التحقق في غرف الأخبار. يمكن اختبار صورة منتشرة يُزعم أنها تُظهر مدينة واحدة بالأدلة الموجودة في الإطار قبل أن ينشرها أحد. فالتحديد الجغرافي يجيب عن «أين» فقط، لذلك اقرنه بالبحث عن نسخ سابقة، كما هو موضح في كيف تتحقق من صورة.
• تطبيقات السفر والصور. كثيرًا ما لا تحمل المطبوعات الممسوحة ضوئيًا والصور المصدَّرة إحداثيات GPS. ويمكن للتقدير أن يقترح موقعًا لألبوم أو أن يجمع الصور في رحلة، ما دامت الواجهة تعرضه كاقتراح يؤكده المستخدم.
• مراجعة مطالبات التأمين. حين تضع المطالبة الضرر في بلدة واحدة وتشير الصور بوضوح إلى مكان آخر، يكون لدى المحقق سبب لطرح الأسئلة. والتقدير وحده ليس أساسًا لرفض أي شيء.
• البحث. فرسم التوزيع الجغرافي لأرشيف صور كبير، أو تدقيق مجموعة تدريب بحثًا عن انحياز إقليمي، يحتاج إلى تصنيفات عامة على نطاق واسع، وهذا بالضبط ما تنتجه الطريقة جيدًا.

النمط في الحالات الخمس واحد: التقدير يُشير، والشخص يقرر. والمنتج الذي يسمح لتخمين على مستوى المدينة بأن يُطلق نتيجة تلقائية يرث كل خطأ يرتكبه النموذج، وعلى نطاق واسع. ويوضح مسار عمل OSINT منظم موضع التقدير بين الفحوص الأخرى.

بعض هذه الحدود تعود إلى الأدلة لا إلى النموذج. فورقة PlaNet تبدأ بالإشارة إلى أنه من السهل بناء مواقف لا يمكن فيها استنتاج أي موقع. فجدار أبيض أو حمام فندق أو طبق طعام لا يحمل أي جغرافيًا، ولا تغيّر زيادة حجم النموذج ذلك.

وتقدم نتائج الأبحاث فحصًا واقعيًا مفيدًا. ففي 2.3 مليون صورة من Flickr، وضع PlaNet 10.1% منها ضمن 25 كيلومترًا، وهي المسافة التي يعدها معياره مستوى المدينة. وPIGEON، الذي قُدم في CVPR 2024 ودُرّب على صور Street View من GeoGuessr، وضع أكثر من 40% من تخميناته ضمن 25 كيلومترًا. وجزء من هذه الفجوة يعود إلى أساليب أحدث، وجزء منها إلى الصور نفسها. فإطارات Street View مليئة بعلامات الطريق واللافتات، بينما تحتوي مجموعة الصور العامة على كثير من الإطارات الخالية من أي عنصر جغرافي.

ولا يستطيع تحديد الموقع أيضًا أن يضمن صحة صورة. فمشهد شارع مولّد بالذكاء الاصطناعي يحصل مع ذلك على تقدير للمكان الذي يشبهه أكثر. فالواجهة تجيب عن «ما المكان الذي يبدو عليه هذا؟»، لا عن «هل هذا حقيقي؟».

1. Step 1ابنِ مجموعة اختبار من حركة مرور حقيقيةصور العروض تُختار لتنجح. اجمع بضع مئات من الصور تشبه ما سيرسله مستخدموك، مع مواقع حقيقية معروفة، وأبقِ المجموعة ثابتة حتى يمكن مقارنة الموردين والإصدارات بإنصاف. والأمثلة الفردية مضللة أيضًا: فقد أعجب موجه ChatGPT المنتشر المكوّن من 1,100 كلمة كثيرين جربوه، لكن على مجموعة ثابتة من 200 صورة لم يكن أفضل من موجه قصير.
2. Step 2أزل GPS قبل القياسإذا كانت الواجهة تقرأ البيانات الوصفية أيضًا، فصورة اختبار موسومة جغرافيًا تقيس قارئ البيانات الوصفية لا النموذج. وأزل EXIF من نسخ الاختبار، وإلا فستسجل نتيجة مثالية تختفي في الإنتاج.
3. Step 3قيّم على مسافات ثابتةتعد معايير الأبحاث التخمين صحيحًا ضمن 1 كيلومتر (شارع)، أو 25 كيلومترًا (مدينة)، أو 200 كيلومتر (منطقة)، أو 750 كيلومترًا (دولة)، أو 2,500 كيلومتر (قارة). وادعاء الدقة دون مسافة مرفقة لا يمكن مقارنته بأي شيء.
4. Step 4امزج المدن والريفتميل الدقة إلى اتباع كثافة صور التدريب، لذلك قد يكون النموذج الحاد في العواصم غامضًا في الأرياف. اختبر الاثنين إذا كان مستخدموك يرسلون الاثنين.
5. Step 5أدرج صورًا لا شيء فيها للقراءةينبغي أن تعود الصور الداخلية واللقطات القريبة والسماء الصافية بثقة منخفضة. والأداة التي تسمي مدينة من غرفة فندق بثقة عالية ستفعل الشيء نفسه مع مستخدميك.
6. Step 6تحقق من معايرة الدرجةصنّف النتائج حسب الثقة، وقِس كم مرة كانت كل مجموعة صحيحة. فإذا لم تكن الإجابات التي حصلت على أكثر من 0.8 أدق بوضوح من الإجابات القريبة من 0.4، فلا يمكن للدرجة أن تقود العتبات.
7. Step 7اقرأ شروط البياناتاعرف هل تُخزَّن الصور، ولأي مدة، وهل تُستخدم للتدريب. وقد تُعد الصور بيانات شخصية، خاصة حين يظهر فيها أشخاص.