Netryx Astra V2

एक ही छवि से अत्याधुनिक AI भू-स्थानिकीकरण।

विचार • यह कैसे काम करता है • आरंभ करना • सामुदायिक केंद्र • स्थापना

---

विचार

आपके पास एक तस्वीर है। हो सकता है वह किसी वीडियो का स्क्रीनशॉट हो। हो सकता है वह किसी के द्वारा ऑनलाइन पोस्ट की गई क्रॉप की गई, धुंधली फोन फोटो हो। हो सकता है वह सिर्फ एक दुकान का अग्रभाग, सड़क का एक हिस्सा, या किसी इमारत का कोना दिखाती हो। आप जानना चाहते हैं कि वह वास्तव में कहाँ ली गई थी।

Netryx Astra V2 उस प्रश्न का उत्तर देता है।

यह एक ओपन-सोर्स भू-स्थानिकीकरण प्रणाली है जो एक एकल छवि लेता है और स्ट्रीट-व्यू पैनोरमा के डेटाबेस से मिलान करके सटीक GPS निर्देशांक ढूंढता है। अपनी फोटो अपलोड करें, और मिनटों में यह आपको सड़क, शहर, निर्देशांक बताता है — कुछ मीटर तक सटीक।

V2 को मूल Netryx (और अन्य उपकरणों) से अलग बनाने वाली बात है मिलान पाइपलाइन। हमने दो मॉडलों का उपयोग करके सब कुछ जमीन से फिर से बनाया जो इस प्रोजेक्ट को शुरू करते समय मौजूद नहीं थे:

• MegaLoc (CVPR 2025) — स्थान पहचान के लिए सबसे सटीक छवि पुनर्प्राप्ति मॉडल, जो छह डेटासेटों पर प्रशिक्षित है जो इनडोर, आउटडोर, दिन, रात और मौसमी विविधताओं को कवर करते हैं। यह सही पड़ोस ढूंढता है।

• MASt3R (ECCV 2024) — एक 3D-जागरूक सघन मिलानकर्ता जो दृश्यों की ज्यामिति को समझता है, न कि केवल पिक्सेल पैटर्न को। यह आंशिक या भारी रूप से क्रॉप की गई तस्वीरों से भी सटीक स्थान की पुष्टि करता है जो पारंपरिक मिलानकर्ताओं को तोड़ देंगी।

परिणाम एक तीन-चरणीय पाइपलाइन है जो इसके द्वारा बदले गए नौ-चरणीय सिस्टम से सरल और अधिक सटीक दोनों है।

V1 से क्या बदला

मूल Netryx पुनर्प्राप्ति के लिए CosPlace और सत्यापन के लिए DISK + LightGlue + LoFTR + RANSAC + डिस्क्रिप्टर हॉपिंग + पड़ोस विस्तार का एक स्टैक उपयोग करता था। यह काम करता था, लेकिन यह नाजुक था — एक-दूसरे के ऊपर लगाए गए बहुत सारे ह्युरिस्टिक्स, प्रत्येक पिछले चरण की सीमा के लिए एक समाधान।

V2 ने वह सब छोड़ दिया। यहाँ बताया गया है कि किसने क्या बदला:

	V1 (मूल)	V2 (Astra)
उम्मीदवार ढूंढना	CosPlace (ResNet-50, 512-dim)	MegaLoc (DINOv2 ViT-B/14, 8448-dim → PCA 1024)
मिलान की पुष्टि	DISK + LightGlue + RANSAC	MASt3R सघन 3D मिलान
सीमांत मामलों को संभालना	LoFTR फॉलबैक, डिस्क्रिप्टर हॉपिंग, पड़ोस विस्तार, अल्ट्रा मोड	स्थानिक सहमति — बस इतना
कुल पाइपलाइन चरण	9+	3
आंशिक छवि मिलान	कमजोर — छोटे ओवरलैप पर विरल कुंजी बिंदु विफल होते हैं	मजबूत — MASt3R छोटे क्षेत्रों में सघन संगतताएं ढूंढता है
सूचकांक साझा करना	संभव नहीं	Hugging Face + ऑफलाइन .netryx बंडलों के माध्यम से सामुदायिक केंद्र

सरलीकरण केवल सौंदर्यपरक नहीं है। कम चरणों का अर्थ है गलत होने की कम जगहें, तेज़ खोजें, और कोड जो वास्तव में रखरखाव योग्य है।

यह कैसे काम करता है

पाइपलाइन के तीन चरण हैं। यह अतिसरलीकरण नहीं है — यह वास्तव में सिर्फ तीन चरण हैं।

क्वेरी छवि
     │
     ▼
┌─────────────┐
│   MegaLoc   │  "शहर में यह कहाँ हो सकता है?"
│  पुनर्प्राप्ति│  
└─────┬───────┘
      │  शीर्ष 500 उम्मीदवार
      ▼
┌─────────────┐
│   MASt3R    │  "क्या यह वास्तव में वही स्थान है?"
│   मिलान     │  
└─────┬───────┘
      │  स्कोर किए गए उम्मीदवार
      ▼
┌─────────────┐
│   स्थानिक   │  "मिलानों का कौन सा समूह सबसे भरोसेमंद है?"
│  सहमति     │  
└─────┬───────┘
      │
      ▼
  📍 GPS निर्देशांक

चरण 1: MegaLoc पुनर्प्राप्ति

आपकी क्वेरी छवि एक संक्षिप्त डिस्क्रिप्टर में परिवर्तित हो जाती है — दृश्य के सार को कैप्चर करने वाला एक 8448-आयामी वेक्टर। इसे PCA द्वारा 1024 आयामों में घटाया जाता है, फिर डॉट-उत्पाद समानता के माध्यम से प्रत्येक अनुक्रमित स्थान से तुलना की जाती है।

हम थोड़ी ज़ूम की गई केंद्र क्रॉप और क्वेरी के क्षैतिज रूप से फ्लिप किए गए संस्करण के लिए भी एक डिस्क्रिप्टर निकालते हैं, फिर परिणामों को मर्ज करते हैं। यह उन मामलों को संभालता है जहां क्वेरी अनुक्रमित दृश्य से भिन्न ज़ूम स्तर या विपरीत दिशा में हो।

आउटपुट इंडेक्स से शीर्ष 500 उम्मीदवार स्थान हैं, जो दृश्य समानता द्वारा क्रमबद्ध हैं।

MegaLoc Gabriele Berton की प्रयोगशाला (वही समूह जिसने CosPlace और EigenPlaces बनाया) से है। यह उनके काम की नवीनतम श्रृंखला है, जो SF-XL, GSV-Cities, MSLS, और लैंडमार्क पुनर्प्राप्ति डेटा पर एक साथ प्रशिक्षित है। कोई अन्य पुनर्प्राप्ति मॉडल इसे हर बेंचमार्क पर लगातार नहीं हराता — इनडोर, आउटडोर, शहरी, ग्रामीण, दिन, रात।

चरण 2: MASt3R सघन मिलान

उन 500 उम्मीदवारों में से प्रत्येक के लिए, हम संबंधित स्ट्रीट-व्यू पैनोरमा डाउनलोड करते हैं, इसे अनुक्रमित शीर्ष कोण पर क्रॉप करते हैं, और क्वेरी और क्रॉप के बीच सघन पिक्सेल संगतता खोजने के लिए MASt3R चलाते हैं।

यहीं पर कठिन क्वेरीज़ के लिए जादू होता है। पारंपरिक मिलानकर्ता जैसे SuperPoint + LightGlue लगभग 500-2000 विरल कुंजी बिंदु निकालते हैं और उन्हें मिलान करने का प्रयास करते हैं। यदि आपकी क्वेरी छवि डेटाबेस छवि के साथ केवल 20% ओवरलैप करती है, तो केवल 50 सह-दृश्य कुंजी बिंदु हो सकते हैं — एक विश्वसनीय मिलान के लिए पर्याप्त नहीं।

MASt3R पूरी तरह से अलग तरीके से काम करता है। यह मिलान को एक 3D पुनर्निर्माण समस्या के रूप में मानता है, प्रत्येक पिक्सेल के लिए सघन बिंदु मानचित्र और स्थानीय फीचर डिस्क्रिप्टर की भविष्यवाणी करता है। यहां तक कि एक छोटा ओवरलैपिंग क्षेत्र भी सैकड़ों विश्वसनीय संगतता उत्पन्न करता है, क्योंकि यह दृश्य की 3D संरचना को समझता है, न कि केवल 2D पिक्सेल पैटर्न को।

Map-free स्थानीयकरण बेंचमार्क (एकल संदर्भ छवि, 180° तक दृश्य बिंदु परिवर्तन) पर, MASt3R पिछले तरीकों को 30% से हराता है। यह एक वृद्धिशील सुधार नहीं है — यह एक पीढ़ीगत छलांग है।

चरण 3: स्थानिक सहमति

यहाँ समस्या है केवल सबसे अधिक मिलान स्कोर वाले उम्मीदवार को चुनने में: झूठी सकारात्मकताएं मौजूद हैं। 5km दूर दो समान चेन रेस्तरां दोनों उच्च MASt3R स्कोर उत्पन्न करेंगे। सोवियत-युग के अपार्टमेंट ब्लॉकों की एक पंक्ति सभी एक जैसी दिखती हैं।

स्थानिक सहमति इसे हल करती है। हम खोज क्षेत्र को ~50-मीटर ग्रिड कोशिकाओं में विभाजित करते हैं और सभी अच्छे मिलानों को भौगोलिक रूप से क्लस्टर करते हैं। प्रत्येक कोशिका को उस कोशिका और उसके पड़ोसियों के सभी मिलानों से संयुक्त साक्ष्य के आधार पर एक स्कोर मिलता है।

गलत स्थान पर 200 इनलायर्स वाला एक एकल आउटलायर सही स्थान पर प्रत्येक 80-150 इनलायर्स वाले 5 मिलानों के एक क्लस्टर से बेहतर स्कोर कर सकता है। विजेता क्लस्टर का सबसे अच्छा मिलान अंतिम उत्तर बन जाता है।

यही कारण है कि बड़े खोज त्रिज्या पर भी सटीकता बनी रहती है जहां अधिक समान दिखने वाले स्थान होते हैं।

उदाहरण

हम इस चित्र में देख सकते हैं, कि काम करने के लिए बिल्कुल कुछ नहीं है, यह सिर्फ एक छोटा क्रॉप किया हुआ हिस्सा है। पारंपरिक OSINT यहाँ पूरी तरह विफल होगा। फिर भी Netryx Astra ने बिना किसी मेटाडेटा या पूर्व संकेत के, पूरी तरह स्थानीय रूप से चलाकर इसे सटीक निर्देशांकों तक भू-स्थानिकीकृत किया। एक इमारत की छोटी क्रॉप की गई तस्वीर, मास्को में 1km त्रिज्या में इसका स्थान खोजने के लिए बस इतना ही काफी था।

आरंभ करना