คุณลากภาพหน้าจอใส่ Google Images แล้วได้ภาพสต็อกที่ไม่เกี่ยวข้องกลับมา ปัญหาไม่ได้อยู่ที่ภาพของคุณเบลอ แต่อยู่ที่คุณกำลังถามคำถามผิดประเภทกับเสิร์ชเอนจินผิดประเภท

การค้นรูปภาพย้อนกลับของ Google มองหาสำเนาและสิ่งที่เกือบเป็นสำเนาของภาพทั้งภาพนั้นในดัชนีที่มันสร้างจากการเก็บข้อมูลเว็บสาธารณะ มีสองอย่างที่ทำให้โมเดลนั้นพังกับเฟรมหนังผู้ใหญ่ คือ Google ไม่ได้เก็บข้อมูลเว็บพวกนี้ส่วนใหญ่ และเฟรมวิดีโอก็ไม่ได้เป็นภาพที่เผยแพร่อยู่ที่ไหนเลย จึงไม่มีสำเนาให้หาเจอ

การค้นรูปภาพย้อนกลับของ Google จับคู่อะไรกันแน่?

มันจับคู่ภาพทั้งภาพ ทั้งองค์ประกอบ การวางสี และภาพซ้ำที่มันรู้จัก มันคือตัวตรวจจับภาพที่เกือบซ้ำกัน ไม่ใช่ระบบจดจำใบหน้า

ความต่างข้อนั้นคือเรื่องราวทั้งหมด ถ้าคุณอัปโหลดเฟรมของคนคนหนึ่งในห้องนอน Google จะมองหาภาพอื่นที่มีลายนิ้วมือทางสายตาโดยรวมแบบเดียวกัน มันไม่ได้กำลังถามว่า "นี่คือหน้าของใคร" มันไม่มีเหตุผลจะแยกใบหน้าออกมาด้วยซ้ำ

สำหรับการหาตัวคน การเปรียบเทียบที่ใช้ได้ไม่ใช่ภาพต่อภาพ แต่เป็นใบหน้าต่อใบหน้า คือตรวจจับใบหน้า ปรับให้เป็นท่ามาตรฐาน แปลงเป็นเวกเตอร์ตัวเลข แล้วเทียบเวกเตอร์นั้นกับทุกใบหน้าที่คุณทำดัชนีไว้แล้ว

ทำไม Google ถึงไม่มีหน้าเว็บพวกนี้ในดัชนี?

มีตัวกรองหลายชั้นซ้อนกันอยู่ และแต่ละชั้นตัดแคตตาล็อกออกไปส่วนหนึ่ง

อุปสรรค ผลต่อการค้นรูปภาพย้อนกลับ
การกรองด้วย SafeSearch ภาพผู้ใหญ่ถูกกดไว้ในหน้าผลลัพธ์ แม้ในกรณีที่มันถูกทำดัชนีไว้แล้ว
การกันไว้ด้วย robots.txt เว็บผู้ใหญ่จำนวนมากบล็อกตัวเก็บข้อมูลไม่ให้เข้าเส้นทางแกลเลอรีและภาพย่อ
กำแพงล็อกอินและกำแพงยืนยันอายุ เนื้อหาที่อยู่หลังกำแพงพวกนี้ไม่เคยถูกตัวเก็บข้อมูลดึงไป
เฟรมที่ตัวเล่นสร้างขึ้น เฟรมที่คุณจับภาพหน้าจอมานั้นไม่เคยถูกเผยแพร่ในฐานะไฟล์

แถวสุดท้ายคือแถวที่คนประเมินค่าต่ำไป เวลาคุณหยุดวิดีโอแล้วจับภาพหน้าจอ คุณได้สร้างภาพที่ไม่เคยมีอยู่บนเว็บในฐานะไฟล์ ขึ้นมา ไม่มีตัวเก็บข้อมูลที่ไหนมีสำเนาของมัน การจับคู่ภาพที่เกือบซ้ำกันจึงไม่มีอะไรให้จับคู่ด้วย

ทำไมการครอบตัดเหลือแค่ใบหน้าถึงยิ่งแย่ลงแทนที่จะดีขึ้น?

เพราะการครอบตัดลอกเอาสัญญาณที่ Google กำลังใช้อยู่ออกไปพอดี

การจับคู่ทั้งภาพพึ่งฉากหลัง การจัดวาง และการกระจายของสี ครอบตัดเหลือแค่ใบหน้าแล้วคุณก็ลบสิ่งเหล่านั้นออกไปเกือบหมด เหลือแค่พื้นที่เล็ก ๆ ที่ในระดับพิกเซลคล้ายกับใบหน้าอื่นอีกนับล้าน คุณทำให้ภาพโดดเด่นน้อยลงสำหรับระบบที่ไม่เคยมองหาตัวตนตั้งแต่แรกอยู่แล้ว

นี่เป็นเครื่องมือวินิจฉัยที่ดี ถ้าเครื่องมือไหนให้ผลแย่ลงเมื่อคุณครอบตัดเหลือแค่ใบหน้า เครื่องมือนั้นไม่ได้ทำการค้นหาด้วยใบหน้า

สิ่งที่ได้ผลจริงคือเวกเตอร์ใบหน้า

การค้นหาด้วยใบหน้ากลับลำดับการทำงาน แทนที่จะเทียบภาพกับภาพ มันเทียบคำอธิบายใบหน้าในเชิงคณิตศาสตร์

  1. ตรวจจับ ใบหน้าและจุดสังเกตของมัน ทั้งดวงตา ปลายจมูก และมุมปาก
  2. จัดตำแหน่ง ด้วยจุดสังเกตเหล่านั้น เพื่อให้ศีรษะที่เอียงกับศีรษะที่ตรงเทียบกันได้
  3. เข้ารหัส ใบหน้าที่จัดตำแหน่งแล้วให้เป็นเวกเตอร์ ซึ่งในกรณีของเราคือตัวเลข 512 ตัว (ArcFace)
  4. เปรียบเทียบ เวกเตอร์นั้นกับทุกใบหน้าในดัชนีด้วย cosine similarity

เพราะขั้นที่ 3 ทิ้งท่าทาง แสง และฉากหลังไป ภาพถ่ายสองใบของคนคนเดียวกันที่ถ่ายห่างกันหลายปีในคนละห้องจึงยังตกลงมาใกล้กันในปริภูมิเวกเตอร์ นั่นคือสิ่งที่การจับคู่ทั้งภาพทำไม่ได้โดยโครงสร้าง

ดัชนีเองก็ต้องสร้างจากวัตถุดิบที่ถูกต้องด้วย ดัชนีของเรามี ใบหน้า 241,792 ใบหน้า ที่เก็บมาจากปกและเฟรมของหนังผู้ใหญ่จาก 106 เว็บ (ดัชนีของเรา ข้อมูล ณ 2026-08) ส่วนดัชนีภาพเอนกประสงค์ไม่มีวัตถุดิบชุดนี้อยู่เลย นั่นคือเหตุผลที่เครื่องมือเอนกประสงค์คืนผลแบบนี้ไม่ได้ ไม่ว่าอัลกอริทึมของมันจะดีแค่ไหน

ขอบเขตที่ควรพูดให้ชัด: ความครอบคลุมของเราไม่ได้กระจายเท่ากัน ภาพตัวแทนของเราส่วนใหญ่มาจากแหล่งจำนวนน้อย หนังที่มีอยู่เฉพาะบนเว็บที่เราไม่ได้ทำดัชนีไว้จึงจะหาไม่เจอ ไม่มีดัชนีใบหน้าไหนครอบคลุมทุกอย่าง และเครื่องมือไหนที่อ้างเป็นอย่างอื่นก็กำลังขายเกินจริง

แค่ไหนถึงเรียกว่า "คล้ายพอ"?

ค่า cosine similarity ระหว่างเวกเตอร์ใบหน้าสองชุดมีค่าตั้งแต่ 0 ถึง 1 บนข้อมูลของเรา เส้นแบ่งที่ปรับเทียบไว้สำหรับภาพนิ่งจากวิดีโอคือ 0.40 เหนือกว่านั้นเราถือว่าใบหน้าสองใบน่าจะเป็นคนเดียวกัน

เรื่องนี้สำคัญต่อการอ่านผลลัพธ์อย่างซื่อสัตย์ การค้นด้วยเวกเตอร์แบบหนาแน่นคืนอะไรกลับมาเสมอ แม้ในตอนที่คำตอบที่ถูกต้องไม่มีอยู่ ผลลัพธ์ที่ 0.42 กับผลลัพธ์ที่ 0.85 หน้าตาเหมือนกันในรายการ แต่ความหมายต่างกันมาก เครื่องมือไหนที่โชว์ผลการจับคู่ให้คุณโดยไม่โชว์คะแนน คือกำลังซ่อนส่วนที่คุณต้องใช้

คำถามที่เกี่ยวข้อง

คุณทดสอบความต่างได้โดยตรง อัปโหลดภาพหน้าจอเดียวกันที่นี่และที่ Google Images การตรวจจับทำงานในเบราว์เซอร์ของคุณ — ภาพต้นฉบับไม่เคยออกจากเครื่องของคุณ และส่งไปจับคู่เฉพาะส่วนใบหน้าที่ครอบตัดแล้วเท่านั้น