Τεχνικές αναζήτησης εικόνας που πρέπει να γνωρίζετε

Ανοίξτε οποιαδήποτε εφαρμογή κοινωνικής δικτύωσης αυτή τη στιγμή και μετρήστε πόσα δευτερόλεπτα θα περάσουν μέχρι να συναντήσετε ένα μπλοκ απλού κειμένου χωρίς εικόνα. Είμαι σίγουρος ότι θα περιμένετε αρκετή ώρα! 

Το διαδίκτυο είναι, σε συντριπτικό βαθμό και αμετάκλητα, ένα οπτικό μέσο. 

Μια εκτιμώμενη 14 δισεκατομμύρια εικόνες μοιράζονται καθημερινά σε όλες τις πλατφόρμες κοινωνικής δικτύωσης. Η Αναζήτηση εικόνων της Google ευρετηριάζει σήμερα περίπου 136 δισεκατομμύρια εικόνες, και οι ειδικοί λένε ότι ο αριθμός αυτός θα μπορούσε να φτάσει τα 382 δισεκατομμύρια μέχρι το 2030 με τον τρέχοντα ρυθμό δημιουργίας εικόνων.

Ανάμεσα σε όλες αυτές τις εικόνες, η εύρεση μιας πραγματικά χρήσιμης, σωστά αδειοδοτημένης εικόνας, αυτής που δείχνει πραγματικά αυτό που ισχυρίζεται ότι δείχνει, είναι πραγματικά δύσκολη υπόθεση.

Σε αυτό το άρθρο, θα μάθετε:

• Τι είναι η αναζήτηση εικόνας και οι διάφορες μορφές της

• Πρακτική καθοδήγηση για την αποτελεσματική χρήση προηγμένων τεχνικών αναζήτησης εικόνων

• Πώς να προστατευτείτε από ψεύτικες εικόνες στο διαδίκτυο

---

Βασικά συμπεράσματα

• Τα χρήσιμα αποτελέσματα αναζήτησης εικόνων εξαρτώνται από το πόσο συγκεκριμένες είναι οι λέξεις-κλειδιά σας, την πλατφόρμα στην οποία πραγματοποιείτε την αναζήτηση και τα φίλτρα που χρησιμοποιείτε για την ανάλυση και τα δικαιώματα χρήσης.

• Ο μέσος άνθρωπος συναντά πολλές παραπληροφορίες στις ροές των μέσων κοινωνικής δικτύωσης, για τις οποίες η αντίστροφη αναζήτηση εικόνας είναι ένα εργαλείο που δεν χρησιμοποιείται επαρκώς.

• Μπορείτε να βρείτε δωρεάν εικόνες υψηλής ποιότητας με άδεια Creative Commons, στο Openverse, σε συλλογές δημόσιου τομέα από το Smithsonian, το Μητροπολιτικό Μουσείο, τη Βιβλιοθήκη του Κογκρέσου κ.λπ.

• Ο μη ανιχνεύσιμος ανιχνευτής εικόνων τεχνητής νοημοσύνης που χρησιμοποιείται παράλληλα με την αντίστροφη αναζήτηση και την επιθεώρηση μεταδεδομένων παρέχει ισχυρή επαλήθευση έναντι εικόνων που δημιουργούνται από τεχνητή νοημοσύνη. 

---

Τι είναι μια τεχνική αναζήτησης εικόνας;

Μια τεχνική αναζήτησης εικόνας είναι κάθε μέθοδος που επιτρέπει σε ένα σύστημα υπολογιστή να βρίσκει και να ανακτά πληροφορίες με βάση το οπτικό περιεχόμενο. 

Όταν οι ερευνητές άρχισαν να διερευνούν τεχνικές αναζήτησης εικόνων στις αρχές της δεκαετίας του 1990, η προσέγγισή τους ήταν εξαιρετικά απλή για τα σημερινά δεδομένα. 

Ο Christel Faloutsos και οι συνάδελφοί του στην IBM ήταν οι ιδρυτές του Ερώτηση με βάση το περιεχόμενο εικόνας το 1994.

Το QBIC θα μπορούσε να αναζητήσει βάσεις δεδομένων εικόνων χρησιμοποιώντας το χρώμα, την υφή και το σχήμα. Ένα κόκκινο κυκλικό αντικείμενο θα ταίριαζε με άλλα κόκκινα κυκλικά αντικείμενα. Αυτό ήταν, πάνω κάτω, αυτό.

Επί του παρόντος, η αναζήτηση εικόνων περιλαμβάνει ένα εκπληκτικά ευρύ φάσμα προσεγγίσεων: 

1. Αναζήτηση εικόνων με βάση το κείμενο, όπου πληκτρολογείτε λέξεις-κλειδιά και ανακτάτε εικόνες με ετικέτες που έχουν τα αντίστοιχα μεταδεδομένα, ουσιαστικά αυτό με το οποίο ξεκίνησε το Google Images.

2. Ανάκτηση εικόνας με βάση το περιεχόμενο, ή CBIR, που αναλύει το οπτικό περιεχόμενο

3. Αντίστροφη αναζήτηση εικόνας, κατά την οποία παρέχετε μια εικόνα στο Google Lens και το TinEye και ζητάτε από το σύστημα να βρει οπτικά παρόμοιες.

Αποτελεσματική χρήση της αντίστροφης αναζήτησης εικόνας

Ο βασικός μηχανισμός για την αντίστροφη αναζήτηση εικόνας είναι αρκετά απλός.

Το μόνο που έχετε να κάνετε είναι να τροφοδοτήσετε το σύστημα με μια εικόνα, είτε ανεβάζοντας ένα αρχείο είτε, στην περίπτωση του Google Lens, στρέφοντας κυριολεκτικά την κάμερα του τηλεφώνου σας σε κάτι στον φυσικό κόσμο.

Θα αναλύσει το οπτικό περιεχόμενο και θα σας επιστρέψει τα αποτελέσματα που είναι οπτικά παρόμοια ή σχετίζονται με την εικόνα σας. 

Αλλά πώς μπορείτε πραγματικά να κάνετε αυτές τις τεχνικές αναζήτησης ομοιότητας εικόνων να λειτουργούν καλύτερα; 

Το Google Lens είναι αναμφισβήτητα το πιο χρήσιμο εργαλείο για καταναλωτικά προϊόντα, ορόσημα και οτιδήποτε είναι πιθανό να έχει σημαντική παρουσία στο διαδίκτυο. 

Εδώ είναι το αποτέλεσμα του Google Lens όταν του δώσαμε την εικόνα του κτιρίου της Νομικής του Χάρβαρντ:

Το TinEye δημιουργήθηκε ειδικά για τον εντοπισμό της προέλευσης των εικόνων. Ευρετηριάζει εικόνες από το 2008 και έχει συγκεντρώσει πάνω από 62 δισεκατομμύρια εικόνες στη βάση δεδομένων του, σύμφωνα με πρόσφατες μετρήσεις. 

Το Yandex Images τείνει να λειτουργεί καλύτερα στην αναγνώριση προσώπου και σε εικόνες που είναι πιο διαδεδομένες σε μη αγγλικούς διαδικτυακούς χώρους, ιδίως στην Ανατολική Ευρώπη. 

A Μελέτη κυβερνοασφάλειας 2022 διεξήγαγε μια αυστηρή σύγκριση black-box αυτών των πλατφορμών και διαπίστωσε ότι η ακρίβεια της αντίστροφης αναζήτησης εικόνων είναι: 

• Google: 65%

• Bing: 55%

• Yandex: 50%

Πολλές φορές, η εικόνα που σας ενδιαφέρει θα έχει πολύ οπτικό θόρυβο. Για παράδειγμα, ένα πολυάσχολο φόντο, πολλά αντικείμενα, άνθρωποι που στέκονται γύρω από το αντικείμενο στο οποίο θέλετε να εστιάσετε στην αναζήτησή σας. 

Φροντίστε λοιπόν να κάνετε crop στο συγκεκριμένο θέμα που θέλετε να διερευνήσετε, ώστε να μην μπερδευτεί και το σύστημα.

Συμβουλές για την εύρεση εικόνων υψηλής ποιότητας

Μερικές σκόπιμες προσαρμογές στον τρόπο αναζήτησης και στο τι φιλτράρετε, μπορούν να σας δώσουν πολύ καλύτερες εικόνες από μια γενική αναζήτηση. 

• Χρησιμοποιήστε σαφείς λέξεις-κλειδιά αναζήτησης

Η εξειδίκευση των όρων αναζήτησης έχει άμεσο αντίκτυπο στα αποτελέσματα που θα λάβετε. 

Οι μηχανές αναζήτησης αντιστοιχίζουν τις εικόνες σε ερωτήματα σε μεγάλο βαθμό μέσω των σχετικών μεταδεδομένων και του περιβάλλοντος κειμένου. Έρευνα για την ανάκτηση εικόνων με βάση λέξεις-κλειδιά έχει δείξει ότι τα ρητά και ακριβή ερωτήματα με λέξεις-κλειδιά ανακτούν πιο συναφή αποτελέσματα. 

Προσπαθήστε να σκεφτείτε την εικόνα-στόχο σας σε επίπεδα. Ξεκινώντας με το θέμα και στη συνέχεια προσθέτοντας περιγραφικά στοιχεία για το ύφος, το σκηνικό, τη διάθεση, το φωτισμό και την προβλεπόμενη χρήση. 

Επίσης, τα θεσμικά αρχεία, όπως μουσεία ή πανεπιστήμια, και οι ειδικές πλατφόρμες αποθεμάτων φωτογραφιών σας παρέχουν διαφορετικά είδη εικόνων από ό,τι μια γενική αναζήτηση στο διαδίκτυο. 

Αν αναζητάτε μια ιστορική φωτογραφία, το Google Images δεν είναι μάλλον το καλύτερο εργαλείο για να τη βρείτε. Η Βιβλιοθήκη του Κογκρέσου, η Europeana ή οι συλλογές ανοικτής πρόσβασης του Smithsonian είναι πολύ πιο πιθανό να σας δώσουν αυτό που χρειάζεστε.

• Φίλτρο ανά ανάλυση εικόνας

Η ανάλυση, με απλούστερους όρους, είναι η διάσταση μιας εικόνας. Είναι πιθανό μια εικόνα να φαίνεται μια χαρά σε μέγεθος μικρογραφίας αλλά να μετατρέπεται σε ένα χάος από pixel όταν εκτυπώνεται. 

Μπορείτε να φιλτράρετε το μέγεθος της εικόνας που σας ενδιαφέρει με τις ενσωματωμένες λειτουργίες αναζήτησης σε όλα σχεδόν τα εργαλεία αναζήτησης εικόνων. Η Σύνθετη αναζήτηση της Google Images, για παράδειγμα, σας επιτρέπει να φιλτράρετε τα αποτελέσματα ανάλογα με το μέγεθος, τη μορφή, τα δικαιώματα χρήσης και πολλές άλλες παραμέτρους. 

Στο Google Images, μπορείτε να αποκτήσετε πρόσβαση σε αυτά τα φίλτρα στην ενότητα “Εργαλεία” αφού εκτελέσετε μια αρχική αναζήτηση. Ή, απλά κάντε κλικ εδώ για να το δοκιμάσετε.

Οι πλατφόρμες αναζήτησης ειδικά για εικόνες, όπως το Unsplash, το Pexels και το Adobe Stock, είναι βασισμένες στην υψηλή ανάλυση ως βασικό κριτήριο. Είναι απίθανο να βρείτε εκεί κάτι κάτω από ένα αξιοποιήσιμο όριο.

Η ανάλυση που χρειάζεστε εξαρτάται σε μεγάλο βαθμό από την περίπτωση χρήσης της εικόνας. 

• 72 DPI, ή οτιδήποτε πάνω από 1000 pixels, είναι η τυπική ανάλυση για χρήση στο διαδίκτυο.

• Για μια ολοσέλιδη εκτύπωση μιας εικόνας, θέλετε τουλάχιστον 300 DPI, ή πάνω από 2500 x 3500 pixels.

Η μορφή JPEG είναι μια χαρά ως επί το πλείστον. Εάν χρειάζεστε μια εικόνα με διαφανές φόντο, το PNG ή το TIFF θα διατηρήσει περισσότερα δεδομένα.

• Ελέγξτε τα δικαιώματα πνευματικής ιδιοκτησίας ή χρήσης

Η εύρεση μιας εικόνας και η δυνατότητα χρήσης της είναι εντελώς διαφορετικά πράγματα. 

Σύμφωνα με Δεδομένα παρακολούθησης DMCA, οι εικόνες αντιπροσωπεύουν το 23% όλων των αιτημάτων κατάργησης που σχετίζονται με τα πνευματικά δικαιώματα, τη μεγαλύτερη κατηγορία μεμονωμένων στοχευμένων τύπων περιεχομένου στο διαδίκτυο. 

Το ασφαλέστερο μέρος για να βρείτε εικόνες που μπορούν να χρησιμοποιηθούν είναι να ψάξετε σε μέρη όπου τα δικαιώματα χρήσης είναι ρητά από την αρχή. 

Η αδειοδότηση Creative Commons υπάρχει σε ένα φάσμα από “ελεύθερη για οποιαδήποτε χρήση” έως “απαιτείται αναφορά” και “μόνο για μη εμπορική χρήση”.”

Το Εργαλείο αναζήτησης Creative Commons, που τώρα ονομάζεται Openverse, σας επιτρέπει να φιλτράρετε την αναζήτησή σας ανάλογα με τον τύπο της άδειας. Μπορείτε να βρείτε εικόνες που ανταποκρίνονται στις ανάγκες σας χωρίς να χρειάζεται να ανησυχείτε για τις άδειες. 

Πολλές συλλογές εικόνων δημόσιου τομέα από θεσμικά αρχεία είναι ευρέως διαθέσιμες και ελεύθερες προς χρήση.

Το Μητροπολιτικό Μουσείο Τέχνης έχει πάνω από 490.000 εικόνες υψηλής ανάλυσης στη δημόσια συλλογή της, όλα διαθέσιμα για λήψη και επαναχρησιμοποίηση χωρίς περιορισμούς. 

Στην πραγματικότητα, η Σύνθετη αναζήτηση Google Images σας επιτρέπει επίσης να φιλτράρετε τις εικόνες σας με βάση τα “δικαιώματα χρήσης”.”

Πώς η μη ανιχνεύσιμη τεχνητή νοημοσύνη βελτιώνει την αναζήτηση εικόνων

Το χάσμα μεταξύ αυτού που οι άνθρωποι θέλουν να βρουν και αυτού που πραγματικά αναζητούν αποτελεί εδώ και καιρό ένα αναγνωρισμένο πρόβλημα στην ανάκτηση πληροφοριών. 

Οι περισσότεροι χρήστες δεν γνωρίζουν πραγματικά πώς να κατασκευάζουν συγκεκριμένα ερωτήματα αναζήτησης. Μπορείτε να χρησιμοποιήσετε τη συνομιλία Undetectable AI για να σας βοηθήσει να βρείτε τις σωστές λέξεις-κλειδιά που περιγράφουν τις εικόνες που έχετε στο μυαλό σας πριν πάτε σε ένα εργαλείο αναζήτησης εικόνων. 

Ένα άλλο πρόβλημα που αντιμετωπίζουμε με τις εικόνες είναι το αν είναι πραγματικές ή όχι. Μια μεγάλης κλίμακας μελέτη δημοσιευμένο στο arXiv ανέλυσε περίπου 287.000 αξιολογήσεις εικόνων από περισσότερους από 12.500 συμμετέχοντες σε όλο τον κόσμο.

Διαπίστωσε ότι οι άνθρωποι είχαν ποσοστό επιτυχίας μόνο 62% όταν προσπαθούσαν να διακρίνουν τις εικόνες που δημιουργούσε η τεχνητή νοημοσύνη από τις πραγματικές.

Ο ανιχνευτής εικόνας μη ανιχνεύσιμης ΤΝ εκτελεί μια ανάλυση σε επίπεδο εικονοστοιχείου για να αναζητήσει μοτίβα στην υφή, το θόρυβο, τον κορεσμό χρώματος και τα δομικά τεχνουργήματα που συνδέονται στατιστικά με την παραγωγή ΤΝ. 

Η ανίχνευση βασίζεται στο περιεχόμενο των εικονοστοιχείων και όχι στα μεταδεδομένα. Έτσι, αν τα μεταδεδομένα μιας εικόνας έχουν αφαιρεθεί και δεν υπάρχει υδατογράφημα, θα είστε ακόμα σε θέση να εντοπίσετε την προέλευσή της από την AI.

Είναι συμβατό με όλες τις ακόλουθες γεννήτριες εικόνων: 

• DALL-E

• Σταθερή διάχυση

• MidJourney

• Ιδεόγραμμα

• Ροή

• Bing Image Creator

• GANs

• Nano Banana (Google DeepMind)

• Seedream

• Adobe Firefly

Αποφυγή ψεύτικων εικόνων στο διαδίκτυο

Εκτιμάται ότι πάνω από 500.000 deepfakes μοιράστηκαν στο social media μόνο το 2023. Και αυτό είναι μόνο η συνθετική ποικιλία.

Δεν υπολογίζει τον πολύ μεγαλύτερο όγκο πραγματικών φωτογραφιών που απογυμνώνονται σκόπιμα από το πλαίσιο ή ανακυκλώνονται από παλιά γεγονότα για να παραποιήσουν τα τρέχοντα. 

Σύμφωνα με την NewsGuard, η οποία παρακολουθεί τις πηγές παραπληροφόρησης, ο αριθμός των ιστότοπων ψευδών ειδήσεων με τεχνητή νοημοσύνη δεκαπλασιάστηκε το 2023 και συνεχίζει να αυξάνεται μόνο το 2026.

Όταν οι άνθρωποι αναζητούν εικόνες που σχετίζονται με έκτακτες ειδήσεις, αυτές οι ψεύτικες, παραποιημένες εικόνες είναι συχνά μεταξύ των εικόνων που κυκλοφορούν περισσότερο και, ως εκ τούτου, μεταξύ των εικόνων που ευρετηριάζονται περισσότερο.

Έτσι, κάθε φορά που συναντάτε μια εικόνα που προκαλεί έντονες αντιδράσεις, να κάνετε πάντα αντίστροφη αναζήτηση για να δείτε πότε χρησιμοποιήθηκε για πρώτη φορά, σε ποιο πλαίσιο χρησιμοποιήθηκε, την πηγή της φωτογραφίας και αν η πηγή αυτή είναι αξιόπιστη. 

Έχουμε επίσης έναν χρήσιμο οδηγό για πώς να καταλάβετε αν μια εικόνα είναι τεχνητής νοημοσύνης ή ψεύτικη.

Όταν μια εικόνα επεξεργάζεται και αποθηκεύεται εκ νέου, οι επεξεργασμένες περιοχές συμπιέζονται διαφορετικά από τα αρχικά τμήματα. Αυτό μπορεί να εντοπιστεί μέσω της τεχνικής ανάλυσης επιπέδου σφάλματος (ELA) με τη χρήση του δωρεάν διαδικτυακού εργαλείου, FotoForensics.

Πρακτικές χρήσεις για την αναζήτηση εικόνας

Η αναζήτηση εικόνας έχει πολύ περισσότερες χρήσεις από όσες μπορείτε να φανταστείτε. Ακολουθούν μερικές από τις πρακτικές χρήσεις της αναζήτησης εικόνας:

• Αν έχετε δει ένα σακάκι που θέλετε, αλλά δεν έχετε ιδέα πώς λέγεται ή ποιος το φτιάχνει, το ανέβασμα μιας φωτογραφίας είναι απείρως πιο άμεσο από το να προσπαθείτε να το περιγράψετε με λέξεις-κλειδιά. Οι χρήστες οπτικής αναζήτησης μετατρέπουν σε 30% υψηλότερα ποσοστά σε σύγκριση με τους χρήστες παραδοσιακής αναζήτησης κειμένου στις ηλεκτρονικές αγορές. 

• Στον τομέα της υγειονομικής περίθαλψης, τα συστήματα ανάκτησης ιατρικών εικόνων βάσει περιεχομένου βοηθούν τους κλινικούς ιατρούς να αναζητούν σε βάσεις δεδομένων ακτινολογίας και παθολογίας οπτικά παρόμοιες περιπτώσεις. 

• Ολόκληρη η καριέρα των δημοσιογράφων βασίζεται στον έλεγχο των γεγονότων. Το Παγκόσμιο Δίκτυο Ερευνητικής Δημοσιογραφίας έχει επισημοποιήσει την αναζήτηση εικόνων ως βασικό εργαλείο επαλήθευσης στη δημοσιογραφία. Χρησιμοποιείται για τον εντοπισμό της προέλευσης των φωτογραφιών, την ταυτοποίηση ατόμων σε εικόνες, τον εντοπισμό του αρχικού πλαισίου μιας σκηνής, τη διασταύρωση οπτικών στοιχείων σε πολλαπλές πηγές κ.λπ.

• Η Google ανέπτυξε το SpeciesNet, ένα μοντέλο τεχνητής νοημοσύνης ανοικτού κώδικα που χρησιμοποιείται για τον εντοπισμό άγριων ζώων σε εικόνες παγίδων με κάμερες. Βοηθά τις προσπάθειες διατήρησης της άγριας ζωής με την αυτοματοποίηση της αναγνώρισης ειδών από εικόνες. 

• Μπορείτε επίσης να χρησιμοποιήσετε Ανίχνευση εικόνας AI για τον εντοπισμό λογοκλοπής σε οπτικές εργασίες σε ακαδημαϊκά πλαίσια.

Βελτιώστε τη δουλειά σας με τον ανιχνευτή AI και τον Humanizer - ξεκινήστε παρακάτω!

Τελικές σκέψεις

Εργαλεία αναζήτησης εικόνων υπάρχουν στο τηλέφωνο όλων μας. Μόνο το Google Lens διαχειρίζεται πλέον 20 δισεκατομμύρια αναζητήσεις μηνιαίως, έχοντας αυξηθεί από 10 εκατομμύρια καθημερινές χρήσεις σε σχετικά σύντομο χρονικό διάστημα. 

Οι προηγμένες και αντίστροφες τεχνικές αναζήτησης εικόνων που εξηγούνται σε αυτό το άρθρο θα σας βοηθήσουν να αξιοποιήσετε τα εργαλεία που έχετε στα χέρια σας.

Επίσης, το να μπορεί κανείς να διακρίνει μια εικόνα που έχει δημιουργηθεί από τεχνητή νοημοσύνη από μια εικόνα που έχει δημιουργηθεί πραγματικά από άνθρωπο είναι μια βασική δεξιότητα γραμματισμού για όλους, ειδικά όταν ζούμε σε έναν κόσμο που κυριαρχείται από την τεχνητή νοημοσύνη. 

Το μας Μη ανιχνεύσιμο AI αναλύει μοτίβα θορύβου, τεχνουργήματα συμπίεσης, χρωματικό κορεσμό και σήματα στο πεδίο της συχνότητας για να σας βοηθήσει να μείνετε μακριά από ψεύτικες εικόνες στο διαδίκτυο.

Δοκιμάστε το σήμερα!