你的手机相册是一个披着用户体验问题外衣的数据问题。平均每位 iPhone 用户拥有超过 5,000 张照片。其中大多数照片再也无人问津。截图、连拍照片、下载内容以及因同步失败产生的重复文件。
手动照片管理无法规模化扩展。以下是设备端人工智能如何改变这一局面的。
问题核心：在于识别，而非存储
真正的问题不在于存储空间，而在于识别时间。在包含 5,000 多张图片的库中找到你想要的照片需要花费数分钟滚动屏幕。删除不需要的照片则需要数小时。
我们需要的是一个能够查看照片并立即对其进行分类的系统：保留与删除、重要与垃圾、原始文件与重复文件。这正是设备端机器学习所能实现的。
设备端人工智能：为何本地化处理至关重要
人们的第一反应可能是将照片发送到云端应用程序接口进行分类。但这种方法存在三个错误原因：
隐私。你的相册包含手机上最个人的数据。护照照片、银行截图、私人对话。将这些数据发送到云端是绝对不可行的。
带宽。通过云端应用程序接口对数千张高分辨率图像进行分类既缓慢又昂贵。
延迟。用户在滑动浏览照片时期望获得即时反馈。往返的应用程序接口调用会破坏体验。
设备端机器学习解决了所有这三个问题。苹果公司的核心机器学习框架在神经引擎上运行优化模型——这与驱动面容 ID 的是同一芯片。处理过程在本地、即时且私密地完成。
Swipe Cleaner 如何分类照片
截图与真实照片
截图具有独特的视觉特征：用户界面元素、文本覆盖层、应用边框、状态栏。经过微调的视觉模型会检测这些模式，并将截图标记为待清理对象。
重复检测
感知哈希算法为每张图像计算一个指纹。哈希距离低于阈值的照片被归类为重复项。该系统自然能够捕捉连拍变体、重新下载的图像以及几乎相同的编辑版本。
模糊检测
拉普拉斯方差用于衡量对焦质量。低方差意味着图像模糊——可能是口袋误拍或运动模糊。这些照片会被标记以供审查。
敏感内容
光学字符识别技术从图像中提取文本，并检查类似文档的模式：身份证、护照、税务表格、银行对账单。这些照片被标记并非为了删除，而是为了提高意识——用户应知晓其相册中包含敏感数据。
滑动操作的用户体验
分类只是问题的一半。你还需要一个能够快速做出决策的界面。Swipe Cleaner 采用类似 Tinder 的卡片式界面：向右滑动以保留，向左滑动以删除。人工智能预先选择可能的操作，因此大多数滑动操作仅仅是确认步骤。
这将枯燥的清理过程变成了一场五分钟的游戏。
结果
用户通常发现他们 20-40% 的照片是删除候选对象。这意味着在不丢失任何回忆的情况下恢复了数吉字节的存储空间。
设备端人工智能与滑动用户体验的结合，将照片管理从一项令人畏惧的杂务转变为你真正乐于从事的事情。
Swipe Cleaner 是一款面向 iOS 系统的人工智能驱动照片管理应用。请在 OpenNomos 上查看该项目。
免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。
