Разбор фотоархива по людям и событиям
Раскладывает фотоархив по людям, местам и событиям
Слабая ось станет риском — её проговаривают на одобрении
Область и границы
четыре роли · четыре ответаКому больно — и можно ли этого человека спросить?
Фотограф разбирает съёмку на тысячи кадров перед сдачей клиенту
Почему это не решается одним вызовом модели?
Событие определяется по картинке, времени и месту сразу: три разных источника с разными ошибками. Раскладка меняет файлы на диске — необратимо, если не продумать откат
Где должен появиться результат и что здесь необратимо?
Результат — переименованные и разложенные файлы у фотографа: это его архив и его сдача клиенту
Что будет считаться успехом?
Фотограф отдаёт съёмку быстрее, чем разбирал руками, и ни один кадр не потерян
Метаданные файла как канал инъекции
Снимают, выгружают своё, собирают у знакомых — доступ ни от кого не зависит
Свой фотоархив: у команды из четверых наберутся десятки тысяч кадров с реальным разбросом качества и событий
О чём тема
Многоуровневая AI-система для интеллектуальной обработки фотографий. VLM анализирует содержимое изображений (объекты, люди, сцены, эмоции). LLM генерирует описательные имена файлов и теги на основе визуального контента. ML-модели определяют качество фото, дубликаты, размытие. Система извлекает EXIF данные, определяет геолокацию и время съемки. RAG интегрируется с базой знаний для контекстуальной категоризации. Включает распознавание лиц, группировку по событиям, автоматическую сортировку по папкам.
Зачем это людям
Автоматизировать процесс организации больших фотоколлекций через многомодальный AI-анализ и интеллектуальную категоризацию.
Что предстоит выяснить
ответов здесь нетГотового решения в каталоге нет намеренно: тема задаёт область и границы, а что и как строить — работа команды. Это и защищают на приёмке.
Взять эту тему
Тему из каталога берёт любая команда, одобрение не требуется. Одну тему могут взять несколько команд — на Demo Day видно, насколько разошлись решения.