Algısal Karma Nasıl Çalışır: Akıllı Yinelenen Fotoğraf Algılamanın Arkasındaki Yapay Zeka (2026 Derinlemesine İnceleme)

Aynı kahve lattesinden yedi kadeh çekiyorsunuz. Her biri biraz farklıdır: Küçük bir açı değişikliği, küçük bir ışık değişimi, eliniz 2 santimetre hareket etti. Bir şifreleme karma işlevine (MD5, SHA-256) göre, bu yedi fotoğraf tamamen benzersizdir; tek bir bit bile eşleşmemektedir. İnsan gözü için bunlar aslında aynıdır.

Makine düzeyinde benzersizlik ile insan tarafından algılanan benzerlik arasındaki bu boşluk, algısal karma işleminin çözdüğü temel sorundur. Bu, her modern kopya fotoğraf temizleyicinin arkasındaki temel teknolojidir ve nasıl çalıştığını anlamak, bazı temizleyicilerin neden diğerlerinden önemli ölçüde daha doğru olduğunu ortaya çıkarır.

5 Düzey Fotoğraf Benzerliği Tespiti

Fotoğraf benzerliği bir spektrumda çalışır. Modern tespit sistemleri, her biri farklı bir düzey için optimize edilmiş birden fazla tekniği aynı anda kullanır:

MD5 Sağlama Toplamları Neden Görsel Kopyaların %80'ini Kaçırıyor

MD5 ve SHA-256 gibi şifreleme karmaları, görsel benzerlik için değil, veri bütünlüğü doğrulaması için tasarlanmıştır. Girişteki tek bir bitin değiştirilmesinin tamamen farklı bir karma oluşturduğu sabit uzunlukta bir özet üretirler. Bu şu anlama gelir:

• JPEG'yi farklı bir kalite düzeyinde yeniden kaydetme → tamamen yeni karma
• HEIC'i JPEG'e dönüştürme → tamamen yeni hash
• Kenardan 2 piksel kırpılıyor → tamamen yeni hash
• Instagram filtresi ekleme → tamamen yeni hash
• Aynı fotoğrafın ekran görüntüleri → tamamen yeni hash

Gerçek dünyadaki kamera rulolarında, yinelenen kopyaların yalnızca %15-20'si tam bayt düzeyindeki kopyalardır (genellikle AirDrop aktarımlarından veya bulut senkronizasyon hatalarından kaynaklanır). Geriye kalan %80'lik kısım, algısal analiz gerektiren görsel kopyalardır.

Algısal Karma Nasıl Çalışır (pHash ve dHash)

Algısal karma, bir görüntünün ham bayt içeriği yerine görsel yapısını yakalayan kompakt bir parmak izi oluşturur. Algoritma genel bir hattı takip eder:

1. Küçük bir ızgaraya yeniden boyutlandırın: Görüntünün ölçeği küçük bir çözünürlüğe (genellikle 8×8 veya 32×32 piksel) küçültülür, böylece ince ayrıntılar yok edilir ancak genel parlaklık yapısı korunur.
2. Gri tonlamaya dönüştür: Renk bilgileri atılır. Algısal benzerlik öncelikle renkle değil yapıyla ilgilidir; sıcak filtreli bir fotoğraf ile soğuk filtreli bir fotoğraf yine de eşleşmelidir.
3. Gradyan veya ortalamayı hesaplayın: dHash (fark karması) için her piksel sağ komşusuyla karşılaştırılır. aHash (ortalama karma) için her piksel, ızgaranın ortalama parlaklığıyla karşılaştırılır. Her karşılaştırma tek bir bit üretir: daha parlak = 1, daha koyu = 0.
4. İkili parmak izi üretin: Sonuç, 64 bitlik (8×8) veya 1024 bitlik (32×32) bir ikili dizedir; yani algısal karma.
5. Hamming mesafesini kullanarak karşılaştırma: İki görüntü, karmaları arasında kaç bitin farklı olduğu sayılarak karşılaştırılır. 0'lık bir Hamming mesafesi = özdeş yapı. Mesafe ≤ 5 (64 üzerinden) = görsel olarak neredeyse aynı. Mesafe ≤ 10 = muhtemelen benzer.

SSIM: İnsan Gözünün Gerçekte Ne Gördüğünü Ölçmek

Wang ve diğerleri tarafından geliştirilen Yapısal Benzerlik Endeksi (SSIM). 2004'te ikili karmanın ötesine geçiyor. İnsanın görsel algısını yansıtan üç bileşene dayalı olarak sürekli bir benzerlik puanı (0,0 ila 1,0) hesaplar:

• Parlaklık karşılaştırması: Ortalama parlaklık seviyeleri benzer mi? (Maruz kalma farklılıklarını telafi eder)
• Kontrast karşılaştırması: Görsellerin dinamik aralığı benzer mi?
• Yapı karşılaştırması: Açık ve karanlık bölgelerin mekansal kalıpları eşleşiyor mu?

0,92'nin üzerindeki bir SSIM puanı genellikle iki resmin çoğu izleyici için algısal olarak ayırt edilemez olduğunu gösterir. Modern fotoğraf temizleyiciler, gerçekten farklı kompozisyonları korurken neredeyse kopyaları otomatik olarak işaretlemek için bu eşiği kullanır.

Sinir Yerleştirmeleri: Derin Öğrenmenin Sınırı

Algısal karma, anlamsal benzerlik ile mücadele ediyor - aynı sahnenin farklı konumlardan çekilmiş fotoğrafları veya konunun kareler arasında önemli ölçüde hareket ettiği seri çekim sekansları. Bu durumlarda, cihaz üzerindeki sinir ağları (evrişimli veya Vision Transformer modelleri) yüksek boyutlu yerleştirme vektörleri çıkarır.

İşleyiş şekli şu şekildedir: Sinir ağı her fotoğrafı işler ve 512 boyutlu kayan vektör (temel olarak görüntünün anlamsal içeriğini kodlayan 512 sayı) üretir. Aynı gün batımının farklı açılardan saniyeler arayla çekilen fotoğrafları, bu 512 boyutlu uzayda geometrik olarak birbirine yakın gömme vektörler üretiyor.

Benzerlik daha sonra kosinüs benzerliği kullanılarak ölçülür: iki vektör arasındaki açının kosinüsü. 1,0 kosinüs benzerliği = aynı anlamsal içerik. 0,85'in üzerindeki eşik, tek başına algısal karma işleminin gözden kaçıracağı patlama dizilerini, neredeyse aynı kompozisyonları ve ince varyasyonları yakalar.

Cihaz Üzerinde ve Bulut İşleme Karşılaştırması: Gizlilik Boyutu

Nöral yerleştirme modellerini çalıştırmak önemli düzeyde bilgi işlem gücü gerektirir. Bazı fotoğraf temizleme uygulamaları, görüntülerinizi analiz için bulut GPU'lara yükler; bu da büyük bir gizlilik riski oluşturur. Modern Apple cihazları, CoreML vizyon modellerini tamamen cihaz üzerinde çalıştırabilen Neural Engine'i (A17 Pro'da 16 çekirdekli, M serisinde 5 TOPS) içerir. Bu, 10.000 fotoğraf için 512 boyutlu yerleştirmelerin, cihazdan herhangi bir veri çıkmadan 3 dakikadan kısa sürede hesaplanabileceği anlamına gelir.

Nöral Yinelenen Algılamayı İş Başında Görün

Swipe Photo Cleaner (Wipe AI), hızlı ilk filtreleme için algısal karma oluşturmayı, derin anlamsal gruplama için cihazdaki CoreML sinir yerleştirmeleriyle birleştirir. Sonuç: seri çekim sekansları, filtrelenmiş kopyalar ve neredeyse aynı kompozisyonlar, en net fotoğraf vurgulanacak şekilde otomatik olarak kümelenir; bunların tümü, buluta tek bir bayt bile yüklemeden cihazınızın Neural Engine'inde yerel olarak işlenir.