การเปรียบเทียบความทนทานต่อการครอป
pHash อาศัยคุณลักษณะ DCT ความถี่ต่ำแบบทั่วทั้งภาพ การครอปบางส่วนจะเปลี่ยนการกระจายสเปกตรัมโดยรวม จึงมักทำให้ค่าแฮชเปลี่ยนไปอย่างมีนัยสำคัญ ดังนั้นความทนทานต่อ “การขาดหายบางส่วน” จึงค่อนข้างต่ำ วงการวิชาการจึงเสนอแนวทางปรับปรุงที่ทนต่อการครอป/การหมุน เพื่อชดเชยข้อจำกัดของแฮชแบบทั่วทั้งภาพดั้งเดิม
PDQ (ภาพ) มีแนวโน้มได้รับผลกระทบจากการแก้ไขประเภท “ลบเนื้อหา/บดบัง” มากกว่า ผลการทดสอบของผู้เขียนแสดงให้เห็นว่า การแปลงแบบลบเนื้อหาไม่เสถียรเท่าการแปลงแบบเพิ่มเล็กน้อย (เช่น รูปแบบ/บิตเรต) การครอปจัดอยู่ในประเภท “ลบเนื้อหา” จึงไม่ถือว่าได้เปรียบ
TMK+PDQF (วิดีโอ) เสื่อมประสิทธิภาพจากการครอปอย่างเห็นได้ชัดเป็นพิเศษ: ผลประเมินแสดงว่า หากภาพถูกครอปออกเกินประมาณ 20% ก็ยากที่จะจับคู่ได้อย่างเชื่อถือได้ และยังมีคำแนะนำว่าเมื่อเกิน 10% ก็ไม่ควรคาดหวังว่าจะตรวจพบได้อย่างเสถียร ซึ่งสะท้อนความไวต่อการสูญเสียมุมมองจำนวนมาก
การเปรียบเทียบความทนทานต่อลายน้ำ
pHash ไวต่อลายน้ำทึบแสงขนาดใหญ่ เนื่องจากลายน้ำจะเปลี่ยนโครงสร้างความถี่ต่ำโดยรวม แฮชเชิงรับรู้แบบ DCT ทั่วทั้งภาพดั้งเดิมมักรักษาความใกล้เคียงของค่าแฮชภายใต้ลายน้ำที่รุนแรงได้ยาก
PDQ สามารถทนต่อ “ลายน้ำเบา/โลโก้ขนาดเล็ก” ได้ในระดับหนึ่ง แต่ภายใต้เงื่อนไขลายน้ำที่ “ทึบแสงมาก มีขอบซับซ้อนและการเปลี่ยนแปลงของสี” ตัวอย่างมากกว่าครึ่งจะตรวจไม่พบภายใต้ค่าเกณฑ์ที่ใช้กันทั่วไป แสดงให้เห็นว่าความทนทานต่อลายน้ำหนักมีจำกัด
TMK+PDQF ในบริบทวิดีโอมีรายงานว่าลายน้ำและการครอปต่างเป็นการแปลงประเภทที่ “ทำผลงานได้ไม่ดี” เมื่อเทียบกับการแปลงที่คงโครงสร้างโดยรวมไว้ เช่น บิตเรต/รูปแบบ/การปรับขนาด การซ้อนลายน้ำจะทำให้ความเชื่อมั่นในการจับคู่ลดลงอย่างชัดเจน
คำแนะนำเชิงปฏิบัติ
ประสบการณ์จากฝั่งแพลตฟอร์มแสดงให้เห็นว่า: สำหรับวิดีโอ การแปลงประเภททรานส์โค้ด “รูปแบบ/บิตเรต/การปรับขนาด” มีความทนทานค่อนข้างดี แต่สำหรับการครอปจำนวนมากหรือลายน้ำที่รุนแรง (โดยเฉพาะแบบทึบแสงและครอบคลุมพื้นที่มาก) อัลกอริทึมทั้งสามประเภทมีประสิทธิภาพลดลงอย่างชัดเจน ควรใช้ร่วมกับกลยุทธ์ต้นน้ำและปลายน้ำ (เช่น การปรับค่าเกณฑ์และการตรวจสอบโดยมนุษย์)
หากจำเป็นต้องเพิ่มความเสถียรต่อการครอป สามารถผสานแนวคิด “แบ่งบล็อก/เฉพาะส่วน” หรือใช้วิธีการเข้ารหัสเชิงพื้นที่ที่ออกแบบมาเพื่อทนต่อการครอป/การหมุน เพื่อชดเชยข้อจำกัดของแฮชแบบทั่วทั้งภาพดั้งเดิม จากนั้นจึงหลอมรวมแบบหลายโมดัลกับลายนิ้วมืออย่าง PDQ/TMK เพื่อเพิ่ม recall ทั้งภาคปฏิบัติและงานวิจัยต่างชี้ว่าแฮชเชิงรับรู้แบบทั่วทั้งภาพดั้งเดิมไม่ทนต่อการครอป จึงก่อให้เกิดวิธีใหม่ที่ออกแบบมาให้ทนต่อการครอป
สำหรับกรณีลายน้ำ เอกสารทางการของ PDQ ระบุว่าสามารถทนต่อ “ลายน้ำเบา/โลโก้ขนาดเล็ก” ได้ แต่ลายน้ำทึบแสงรุนแรงจะส่งผลต่อการจับคู่อย่างมีนัยสำคัญ ฝั่งวิดีโออย่าง TMK+PDQF ก็มีรูปแบบคล้ายกัน ดังนั้นจึงควรหลีกเลี่ยงการพึ่งพาค่าเกณฑ์เดียวเท่านั้น และเมื่อจำเป็นควรนำการขยายชุดผู้สมัครและกระบวนการตรวจสอบยืนยันสองขั้นตอนมาใช้
ข้อสรุปสำคัญ
สำหรับการแก้ไขเฉพาะส่วนสองประเภทคือ “การทนต่อการครอป/การบดบังบางส่วน” และ “การซ้อนลายน้ำ” แนวโน้มโดยรวมของทั้งสามคือ: PDQ และ TMK+PDQF ค่อนข้างเสถียรกว่าต่อลายน้ำระดับเบา (เช่น มุม标/logo) แต่จะเสื่อมลงอย่างชัดเจนเมื่อมีการครอปที่เด่นชัดและลายน้ำทึบแสงขนาดใหญ่; ส่วน pHash เนื่องจากเน้นคุณลักษณะความถี่ต่ำทั่วทั้งภาพ จึงไม่ทนทานที่สุดต่อการแก้ไขเฉพาะส่วนดังกล่าว
เพื่อน ๆ ที่นำวิดีโอไปเผยแพร่ต่อ คราวนี้คงรู้แล้วว่าควรทำอย่างไรใช่ไหม