Cách tìm bức ảnh stock hoàn hảo bằng một câu — không phải từ khóa
Bốn lượt tìm kiếm thực tế — một vị khách quen lâu năm của quán cà phê, nỗi cô đơn giữa đám đông, một phép ẩn dụ thuần túy và cùng một truy vấn ở hai ngôn ngữ — nơi việc mô tả cảnh tượng thắng mọi trường từ khóa.
Marouane Tijani
9 phút đọc
Bạn có thể hình dung bức ảnh ấy một cách hoàn hảo. Ánh nắng ban mai ấm áp. Một gương mặt hằn dấu thời gian. Một tách nhỏ, một con phố tĩnh lặng,
và cảm giác không thể nhầm lẫn rằng người này đã làm điều này hàng nghìn lần. Thế là bạn mở một trang ảnh stock,
và ngay lập tức bạn phải phản bội hình ảnh trong đầu mình, nén nó lại thành những từ khóa mà một ô tìm kiếm chịu
chấp nhận: ông già, quán cà phê, cà phê. Kết quả trả về cứng nhắc, chung chung, sai bét.
Đây chính là nỗi bực bội cốt lõi khi tìm ảnh, và nó chẳng liên quan gì đến số lượng ảnh đang tồn tại. Vấn đề nằm ở cách bạn được phép yêu cầu chúng. Hãy sửa điều đó — rồi chứng minh nó bốn lần.
Vì sao tìm kiếm theo từ khóa làm bạn thất vọng
Tìm kiếm ảnh stock truyền thống — kiểu nằm sau hầu hết các thư viện ảnh, và sau ô văn bản của Google Images — là một hệ thống so khớp thẻ. Mỗi bức ảnh mang theo những từ mà một con người hoặc một thuật toán gắn cho nó: người đàn ông, cái bàn, cà phê, ngoài trời. Khi bạn tìm kiếm, công cụ so sánh những từ của bạn với những từ đó rồi xếp hạng theo mức độ trùng khớp. Mô hình này hỏng theo ba cách hoàn toàn có thể đoán trước:
- Khoảng cách từ vựng. Bạn nói “quán cà phê”, thẻ ghi “tiệm cà phê”. Bạn nói “lớn tuổi”, thẻ ghi “cao niên”. Cùng một nghĩa, khác từ — bộ so khớp thẻ bỏ lỡ nó.
- Khoảng cách ý định. Truy vấn của bạn mang một cảm xúc — thói quen, sự cô độc, ba thập kỷ lặp đi lặp lại. Không thẻ nào nắm bắt được điều đó, nên công cụ vứt bỏ ý tưởng và chỉ giữ lại các danh từ.
- Hình phạt cho truy vấn dài. Bạn càng mô tả nhiều, tìm kiếm theo từ khóa lại càng tệ, bởi mỗi từ thêm vào là thêm một thứ mà các thẻ gần như chắc chắn không có. Vậy là bạn bị tập cho thói quen làm truy vấn của mình nghèo nàn đi.
Tìm kiếm hình ảnh ngữ nghĩa thực sự là gì
Tìm kiếm hình ảnh ngữ nghĩa tìm ảnh theo ý nghĩa thay vì so khớp các từ trên thẻ. Một mô hình AI chuyển truy vấn của bạn — và mọi ảnh trong chỉ mục — thành một dấu vân tay số (một vector) nắm bắt được bức ảnh ấy nói về điều gì. Sau đó công cụ trả về những ảnh có dấu vân tay nằm gần nhất với dấu vân tay của truy vấn. Vì sự so sánh diễn ra trong “không gian ý nghĩa”, một lời mô tả có thể khớp với một bức ảnh chưa từng được gắn thẻ bằng bất kỳ từ nào của bạn.
Hai hệ quả nảy sinh từ đó, và chúng chính là toàn bộ điều cốt lõi:
- Bạn tìm kiếm bằng ngôn ngữ tự nhiên, giản dị — một câu hoàn chỉnh, theo cách bạn mô tả khung cảnh cho một người bạn.
- Truy vấn càng dài, càng phong phú thì càng tốt hơn, chứ không tệ đi. Mỗi chi tiết thêm vào làm dấu vân tay sắc nét hơn thay vì bỏ đói sự so khớp.
Bài kiểm tra: một câu cố tình bất khả thi
Để làm rõ sự khác biệt, chúng tôi đã chọn một truy vấn mà không hệ thống từ khóa nào sống sót nổi — quá dài, quá cụ thể, mang theo một câu chuyện chứ không phải một danh sách đồ vật:
“Một ông lão ngồi bên chiếc bàn của quán cà phê mà ông ghé mỗi sáng suốt ba mươi năm.”
Trong một ô từ khóa, một trong hai điều sẽ xảy ra: nó rút câu lại còn ông, già,
cà phê và trả về một bức tường ảnh stock chung chung — hoặc nó hiểu chuỗi theo nghĩa đen, không tìm thấy gì
được gắn thẻ như vậy, và gần như không trả về gì. Ba mươi năm, mỗi sáng,
sức nặng lặng lẽ của thói quen — tất cả đều bị bỏ đi. Đây là những gì Pexafy trả về cho đúng câu đó, nguyên vẹn:
Hãy nhìn kết quả đầu tiên: một người đàn ông lớn tuổi, một mình, bên chiếc bàn cà phê ngoài trời, được bắt trọn đúng vào sự tĩnh lặng quen thuộc của buổi sáng mà câu văn đã mô tả. Không ai gắn thẻ “ba mươi năm” cho bức ảnh ấy. Công cụ đã hiểu câu văn có nghĩa là gì và tìm thấy cảm xúc đó. Một lần thì là may mắn. Vậy nên hãy làm thêm ba lần nữa.
Ba lượt tìm kiếm nữa làm gãy các công cụ từ khóa
1 · Một cảm xúc không có đối tượng: “nỗi cô đơn giữa thành phố đông đúc”
Chẳng có thẻ “cô đơn” nào cả. Một công cụ từ khóa chỉ thấy thành phố và đám đông rồi trao cho
bạn những tấm bưu thiếp. Pexafy đọc được cảm xúc — một bóng người đơn độc đứng yên giữa làn người lạ nhòa mờ:
2 · Một phép ẩn dụ thuần túy: “sức nặng của việc gánh vác kỳ vọng của tất cả mọi người”
Câu này không chứa một đối tượng nào có thể chụp ảnh được. Bộ so khớp thẻ đành bó tay. Pexafy giải nghĩa phép ẩn dụ về dạng đời thường, con người nhất của nó — những con người thực sự đang gồng mình mang những gánh nặng khổng lồ:
Cảm xúc, ẩn dụ, câu chuyện — ba kiểu “bất khả thi” khác nhau, ba bộ ảnh thực sự phù hợp. Còn một khả năng nữa, lặng lẽ thay đổi cả việc ai mới có thể dùng được ảnh stock.
3 · Cùng một lượt tìm kiếm, bằng bất kỳ ngôn ngữ nào
Tìm kiếm theo từ khóa chỉ tốt ngang với ngôn ngữ mà các thẻ được viết ra — áp đảo là tiếng Anh. Pexafy ánh xạ ý nghĩa vào cùng một không gian dù là ngôn ngữ nào, nên truy vấn đáp xuống cùng một chỗ dù bạn gõ bằng tiếng Anh hay tiếng Việt. Hãy xem điều gì xảy ra khi chúng tôi tìm một người ngư dân theo hai cách:
Vẫn hai bức ảnh ấy đứng đầu, ở cả hai ngôn ngữ. Không phải một danh sách từ khóa được dịch — mà là cùng một sự thấu hiểu, đạt tới từ cả tiếng Việt lẫn tiếng Anh. Pexafy hoạt động theo cách này ở hơn 100 ngôn ngữ, trên cùng một chỉ mục duy nhất.
So sánh điều này với Google Images, Unsplash & Pexels
Nói cho rõ: Unsplash, Pexels và Pixabay lưu trữ những bức ảnh đẹp, thực sự miễn phí để sử dụng — Pexafy tìm kiếm trên tất cả chúng và còn hơn thế. Google Images không ai sánh được trong việc lập chỉ mục web mở. Khác biệt không nằm ở những bức ảnh; nó nằm ở cách bạn được phép yêu cầu.
| Tìm kiếm theo từ khóa / thẻ Unsplash · Pexels · Pixabay | Google Images | Pexafy | |
|---|---|---|---|
| So khớp dựa trên | Từ trên thẻ | Văn bản trang & thẻ | Ý nghĩa thị giác |
| Truy vấn cả câu | Tệ hơn | Tệ hơn | Tốt hơn |
| Cảm xúc & ẩn dụ | Bị bỏ qua | Bị bỏ qua | Được thấu hiểu |
| Truy vấn không phải tiếng Anh | Chỉ thẻ tiếng Anh | Một phần | Hơn 100 ngôn ngữ, một chỉ mục |
| Số nguồn mỗi lượt tìm | Một thư viện | Web mở | 9 thư viện cùng lúc |
| Giấy phép miễn phí rõ ràng | Có | Bạn phải kiểm tra từng trang | Có — mỗi kết quả đều liên kết tới nguồn |
Đằng sau hậu trường, Pexafy đọc mỗi bức ảnh theo cách một con người sẽ làm — không phải bằng cách tin vào các thẻ của nó, mà bằng cách nhìn vào từng điểm ảnh. Một mạng nơ-ron nghiên cứu nội dung thực sự của mỗi bức ảnh và ý nghĩa của từng từ bạn viết, rồi đặt cả hai vào một không gian chung duy nhất. Tìm đúng bức ảnh trở thành việc tìm những hình ảnh nằm gần câu của bạn nhất — trên 9 thư viện, trong chưa đầy 100 mili-giây.
Cách tìm kiếm bằng cả câu: 4 mẹo
Để tận dụng tối đa tìm kiếm ngữ nghĩa, hãy bỏ đi vài thói quen của từ khóa:
- Mô tả khung cảnh, đừng liệt kê danh từ. Hãy viết “một y tá mệt mỏi đang nghỉ ngơi lặng lẽ trong hành lang bệnh viện về đêm”, chứ không phải “y tá bệnh viện”.
- Thêm cảm xúc vào. Những từ như bình yên, hỗn loạn, hoài niệm, tối giản thực sự định hướng kết quả — chúng là một phần của ý nghĩa, không phải nhiễu.
- Dùng ngôn ngữ của chính bạn. Không cần dịch trước. Hãy gõ câu bằng ngôn ngữ mà bạn suy nghĩ.
- Tinh chỉnh bằng từ ngữ, không phải bằng bộ lọc. Quá công nghiệp ư? Thêm “tự nhiên, ánh sáng tự nhiên, phong cách tài liệu”. Tinh chỉnh bằng cách mô tả, chứ không phải bằng cách bấm nút.
Đó là toàn bộ sự chuyển dịch: thôi dịch ý tưởng của bạn thành những từ khóa mà một cỗ máy chịu đựng được, và chỉ cần mô tả bức ảnh mà bạn vốn đã nhìn thấy. Chính sự tìm kiếm mới là nút thắt cổ chai — không bao giờ là thư viện ảnh.