GPS की ज़रूरत नहीं.
मेटाडेटा की ज़रूरत नहीं.
AI दृश्य पढ़ता है.
किसी भी फ़ोटो का
स्थान खोजें
आपके पास एक फ़ोटो है. कोई GPS नहीं. कोई मेटाडेटा नहीं. केवल पिक्सेल. Oceanir दृश्य पढ़ता है. सड़कें, संकेत, इमारतें, इलाक़ा. और अनुमान लगाता है कि यह कहाँ ली गई थी. EXIF डेटा की आवश्यकता नहीं.
आप यहाँ क्यों हैं
कोई भी फ़ोटो को जियोलोकेट करने की चाहत के साथ नहीं उठता. पहले कुछ हुआ. एक प्रश्न जो जाता नहीं. एक छवि जिसे उत्तर चाहिए.
सोशल मीडिया पर एक वीडियो प्रकट होता है जो एक विशिष्ट शहर में विरोध प्रदर्शन दिखाने का दावा करता है. खाता गुमनाम है. मेटाडेटा चला गया है. प्रकाशन से पहले आपको सत्यापित करना होगा कि यह वास्तव में कहाँ फ़िल्माया गया था.
एक लापता व्यक्ति का अंतिम ज्ञात संदेश एक मैसेजिंग ऐप के माध्यम से भेजी गई फ़ोटो था. ऐप ने GPS डेटा हटा दिया. आपके पास केवल छवि है.
आपको एक संग्रह में बिना स्थान लेबल वाली पुरानी फ़ोटो मिली. इमारतें, सड़क के निशान, वनस्पति. ये सब बताते हैं कि यह कहाँ ली गई थी. आपको उसे सुनना होगा.
किसी ने एक फ़ोटो साझा की और आप जानना चाहते हैं कि यह कहाँ है. इसलिए नहीं कि यह मायने रखता है. क्योंकि आप उसे देखना और सोचना बंद नहीं कर सकते.
हर मामले में, मेटाडेटा चला गया है. Instagram उसे हटा देता है. WhatsApp उसे हटा देता है. Twitter उसे हटा देता है. स्क्रीनशॉट में वह कभी था ही नहीं. जो बचा है वह छवि स्वयं है, और छवि पर्याप्त है.
फ़ोटो कहाँ ली गई थी, यह कैसे पता लगाएँ
प्रक्रिया सरल है. इसके पीछे की सोच नहीं.
आप छवि अपलोड करते हैं
कोई भी JPG, PNG, या WebP. खींचें और छोड़ें. शुरू करने के लिए खाता आवश्यक नहीं. आप वीडियो से एक स्थिर फ़्रेम भी निकाल सकते हैं. एक स्पष्ट बाहरी शॉट पर रोकें, फ़्रेम सहेजें, अपलोड करें. प्रारूप मायने नहीं रखता. पिक्सेल मायने रखते हैं.
मॉडल दृश्य पढ़ता है
यह छवि मिलान नहीं है. मॉडल आपकी फ़ोटो की तुलना ज्ञात स्थानों के डेटाबेस से नहीं करता. यह छवि को उस तरह पढ़ता है जैसे एक प्रशिक्षित भूगोलवेत्ता पढ़ेगा. सड़क चिह्न शैली, वास्तुकला काल, पेड़ की प्रजाति, छाया कोण की पहचान करते हुए. प्रत्येक सुराग दुनिया को संकीर्ण करता है.
उदाहरण: एक फ़ोटो में पीली नंबर प्लेट, बाएँ हाथ का यातायात, और सैश खिड़कियों वाली टेरेस्ड ईंट के घर दिखाई देते हैं. पीली प्लेट इसे EU और चीन तक सीमित करती है. बाएँ हाथ का यातायात चीन को हटा देता है. सैश खिड़कियाँ और ईंट टेरेस UK की ओर इशारा करती हैं. मॉडल अनुमान नहीं लगाता. यह हटाता है.
आप परिणाम सत्यापित करते हैं
Oceanir क्रमबद्ध उम्मीदवार लौटाता है, मानचित्र पर एक एकल बिंदु नहीं. प्रत्येक उम्मीदवार के साथ विश्वास स्कोर, साक्ष्य की शृंखला, और एक Street View तुलना आती है ताकि आप स्वयं देख सकें. अंतिम निर्णय आप लेते हैं. मॉडल दुनिया को संकीर्ण करता है. आप केस बंद करते हैं.
किस प्रकार की फ़ोटो सबसे अच्छा काम करती हैं
सर्वोत्तम परिणाम
- +दृश्यमान सड़कों या चौराहों वाले बाहरी दृश्य
- +इमारतों, दुकान, या अग्रभागों के स्पष्ट दृश्य
- +दृश्यमान सड़क संकेत, दुकान के नाम, या नंबर प्लेट
- +विशिष्ट लैंडमार्क, पुल, या स्मारक
- +पहचानने योग्य वनस्पति या तटरेखा वाला इलाक़ा
स्थान निर्धारित करना कठिन
- –बिना खिड़कियों या बाहरी संदर्भ वाले इनडोर फ़ोटो
- –सीमित दृश्यमान विवरण वाले रात के शॉट
- –भारी क्रॉप किए गए या ज़ूम-इन क्लोज़-अप
- –धुंधली पृष्ठभूमि वाले पोर्ट्रेट या सेल्फ़ी
- –बहुत ऊँचाई से ली गई हवाई ड्रोन शॉट
मेटाडेटा की आवश्यकता नहीं
सोशल मीडिया पर साझा अधिकांश फ़ोटो. Instagram, Twitter/X, Facebook, WhatsApp, Signal. का EXIF और GPS मेटाडेटा अपलोड पर अपने आप हटा दिया जाता है. इसका मतलब है कि पारंपरिक मेटाडेटा-आधारित टूल कुछ नहीं लौटाते.
Oceanir को EXIF डेटा की आवश्यकता नहीं. AI शुद्ध दृश्य विश्लेषण करता है. वास्तुकला शैलियों, सड़क चिह्न, संकेत भाषाओं, इलाक़े की विशेषताओं, वनस्पति प्रकारों, और पिक्सेल में निहित सैकड़ों अन्य भौगोलिक संकेतों को पढ़ता है.
इसका मतलब है कि Oceanir स्क्रीनशॉट, फिर से सहेजी गई छवियों, मैसेजिंग ऐप से फ़ोटो, और किसी भी ऐसी छवि का स्थान अनुमान लगा सकता है जहाँ मेटाडेटा खो गया है या कभी मौजूद नहीं था.
इसे काम करते देखें
जब आप फ़ोटो अपलोड करते हैं, Oceanir मिलान नहीं खोजता. यह छवि को संकेत-दर-संकेत पढ़ता है, प्रत्येक सुराग दुनिया को थोड़ा और संकीर्ण करता है. यह कैसा दिखता है, यह यहाँ देखें.
दृश्य संकेतों का विश्लेषण हो रहा है...
प्रतीक्षारत...
प्रतीक्षारत...
प्रतीक्षारत...
प्रतीक्षारत...
प्रतीक्षारत...
प्रतीक्षारत...
ठीक है, लेकिन Google Lens के बारे में क्या?
Google Lens अच्छा है. यह लैंडमार्क की पहचान कर सकता है और दृश्य रूप से समान छवियों का मिलान कर सकता है. लेकिन कुछ छवियाँ ऐसी हैं जिनका वह बस स्थान नहीं ढूँढ़ पाएगा. और वे आम तौर पर वही छवियाँ होती हैं जिनके लिए लोगों को वास्तव में मदद चाहिए होती है. यहाँ अंतर दिखाई देता है.
WhatsApp से एक फ़ोटो, मेटाडेटा हटा दिया गया
कुछ नहीं. कोई GPS नहीं, कोई परिणाम नहीं.
दृश्य पढ़ता है. इमारतें, सड़क शैली, वनस्पति. स्थान प्राप्त करता है.
Google Street View फ़्रेम का एक स्क्रीनशॉट
मिलान नहीं कर सकते. यह स्क्रीनशॉट है, मूल छवि नहीं.
स्क्रीनशॉट में दृश्य सामग्री को किसी भी अन्य फ़ोटो की तरह पढ़ता है.
बिना लैंडमार्क वाली एक सामान्य उपनगरीय सड़क
बहुत सामान्य. मिलान करने के लिए कोई विशिष्ट विशेषता नहीं.
सड़क चिह्न, कर्ब प्रोफ़ाइल, उपयोगिता खंभे की शैली, ड्राइववे रिक्ति. ये सब भौगोलिक संकेत हैं.
कई बार फिर से सहेजी गई फ़ोटो, बेहद संपीड़ित
मिलान के लिए गुणवत्ता बहुत कम. कुछ नहीं लौटाता.
संपीड़न मेटाडेटा को नष्ट करता है, भूगोल को नहीं. सड़क अभी भी वहाँ है. इमारतें अभी भी वहाँ हैं.
खिड़की के माध्यम से एक इनडोर फ़ोटो
इनडोर = कोई मिलान नहीं. बस इतना ही.
खिड़की के माध्यम से क्या दिखाई देता है? वास्तुकला, आसमान, इलाक़ा. आंशिक सुराग भी मायने रखते हैं.
पैटर्न वही है: अन्य टूल अपने इंडेक्स में दृश्य मिलान खोजने पर निर्भर करते हैं. जब कोई मिलान नहीं होता. क्योंकि छवि बहुत सामान्य है, बहुत संपीड़ित है, या मेटाडेटा से बहुत वंचित है. वे कुछ नहीं लौटाते. Oceanir पिक्सेल से सीधे भूगोल पढ़ता है. मिलान आवश्यक नहीं.
सटीकता के लिए बनाया गया
पता लगाएँ कि यह कहाँ ली गई थी
15 शुरुआती क्रेडिट. क्रेडिट कार्ड नहीं. एक फ़ोटो अपलोड करें और 30 सेकंड से कम में परिणाम प्राप्त करें.
विश्लेषण शुरू करेंसामान्य प्रश्न
हाँ. Oceanir EXIF या GPS मेटाडेटा पर निर्भर नहीं है. AI छवि में ही दृश्य संकेतों को पढ़ता है. सड़कें, संकेत, इमारतें, इलाक़ा, वनस्पति. स्थान का अनुमान लगाने के लिए. सोशल मीडिया पर साझा अधिकांश फ़ोटो का मेटाडेटा हटा दिया जाता है, इसलिए Oceanir को इसके बिना काम करने के लिए डिज़ाइन किया गया है.
Oceanir का Orca मॉडल Im2GPS3k बेंचमार्क पर 1 km पर 20.1% और 25 km पर 46.8% सटीकता प्राप्त करता है. दृश्य जियोलोकेशन सिस्टम में सबसे अधिक प्रकाशित स्कोर. सटीकता उपलब्ध दृश्य संकेतों पर निर्भर करती है. विशिष्ट वास्तुकला, संकेत, या इलाक़े वाले बाहरी दृश्य सर्वोत्तम परिणाम देते हैं.
दृश्यमान सड़कों, सड़क संकेतों, दुकान, इमारत के अग्रभागों, या विशिष्ट इलाक़े वाले बाहरी दृश्य सबसे अच्छा काम करते हैं. इनडोर फ़ोटो, रात के शॉट, भारी क्रॉप की गई छवियाँ, और क्लोज़-अप पोर्ट्रेट कठिन हैं क्योंकि उनमें कम भौगोलिक संकेत होते हैं.
क्रेडिट कार्ड के बिना 10 शुरुआती क्रेडिट. प्रत्येक विश्लेषण एक क्रेडिट का उपयोग करता है. सशुल्क योजनाएँ Pro के लिए $10/महीना से शुरू, Developer के लिए $63/महीना, Unit वर्कस्पेस के लिए $119/महीना तक जाती हैं, और Enterprise तथा Enterprise के लिए बिक्री से संपर्क करें.
हाँ. अपने वीडियो से एक स्थिर फ़्रेम निकालें (एक स्पष्ट बाहरी शॉट सबसे अच्छा काम करता है) और इसे JPG, PNG, या WebP के रूप में अपलोड करें. Oceanir फ़्रेम का विश्लेषण उसी तरह करता है जैसे यह किसी भी फ़ोटो का करता है.