වෛරසීකරණය වන වීඩියෝ එකක් අඩු බිට්රේට්, වර්ටිකල් ෆීඩ්, වොටර්මාර්ක්, කට්ටල කිරීම වැනි විවිධ ආකාරයන්ගෙන් ගොඩනැගී ඇත. ඒවා සියල්ල SHA‑256 වැනි ක්රිප්ටෝග්රැෆික් හැෂ් වලට වඩා වෙනස් බයිට් අංකයක් දෙන නිසා, ඒවා එකම වීඩියෝ ලෙස හඳුනාගත නොහැක.
ViralVidVault නම් යුරෝපීය වාර්තා සේවාව මෙම ගැටලුවට විසඳුම් සොයමින්, පර්සෙප්ෂනල් හැෂ් (pHash) භාවිතා කරයි. pHash එකේ අරමුණ වන්නේ, දෘශ්යම තරම් සමීප වූ ෆ්රේම් දෙකකට සමාන බිට් අනුක්රමයක් ලබා දීමයි. එම නිසා පූරණ-කෝඩිං, ස්කේලින්, කෘතීම කප්පල් කිරීම වැනි සුළු වෙනස්කම් හෝඩියට බොහෝ දුරට බලපාන්නේ නැත.
මෙම පද්ධතියේ මූලික අදහස නම්, වීඩියෝවකින් තෝරාගත් ෆ්රේම් එකකට 64‑බිට් DCT‑අධාරිත pHash ගණනය කිරීම. ඒ සඳහා Python, OpenCV සහ NumPy භාවිතා කරයි. පූර්ණ වීඩියෝවට සියලු ෆ්රේම් හැෂ් ගණනය කිරීම අඩු ප්රයෝජනවත් නිසා, සෑම 2 තත්පරයකට එක ෆ්රේම් එකක් ගෙන, එයට pHash ගණනය කරයි. පසුදා, එක් වීඩියෝවක සියලු pHash එකතු කර, Hamming distance මත පදනම්ව වීඩියෝ fingerprint එකක් සාදයි.
දත්ත ගබඩා කිරීම සඳහා PHP 8.4 + SQLite (WAL mode) භාවිතා කරයි, සහ ගණනාවක් පමණ විඩියෝ fingerprint සෙවීම සඳහා Go භාෂාවෙන් ලියන සුළු උපකරණයක් භාවිතා කරයි. GPU, vector DB හෝ cloud සේවාවන් අවශ්ය නොවන නිසා, පද්ධතිය සරල, වේගවත්, සහ පිරිවැය අඩුවෙන් ක්රියාත්මක වේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
- සිසුන් – පර්සෙප්ෂනල් හැෂ් තාක්ෂණය Python පාඨමාලාවල නව ප්රායෝගික උදාහරණයක් ලෙස භාවිතා කර, දෘශ්ය‑දත්ත විශ්ලේෂණය ඉගෙන ගැනීමට අවස්ථාව ලැබේ.
- ඩිවෙලපර්ස් – GPU‑රහිත පරිසරයක දත්‑මත පදනස් වීඩියෝ deduplication ක්රමයක් නිර්මාණය කිරීමේ පළපුරුද්ද ලබා, මූලික AI/ML පදනම් තාක්ෂණයන්ට පදනමක් සකසයි.
- ව්යාපාර – සමාජ මාධ්ය, විද්යුත් වෙළඳපොළ, හෝ අන්තර්ජාල වීඩියෝ සෙවීමේ සේවාවල දෝෂාරහිත, වේගවත් ෆීඩ් ගුණාත්මකභාවය ලබා, පාරිභෝගික අත්දැකීම ඉහළට ගෙන යා හැක.
මෙම පයිප්ලයින් දැන් ප්රොඩක්ෂන් පරිසරයේ සාර්ථකව ක්රියාත්මක වෙමින්, ලක්ෂ ගණනක් වීඩියෝ fingerprint එකක් සමඟ තත්පර කිහිපයකින් සමාන වීඩියෝ සොයා ගැනීමට හැකිවීම පෙන්වා දෙයි. ඉදිරියට, මෙවැනි තාක්ෂණයන් AI‑චලිත වීඩියෝ අන්තර්ගත විශ්ලේෂණය, අධිකරණ පරීක්ෂා, සහ අන්තර්ජාල සුරක්ෂිතතාවය වැනි ක්ෂේත්ර වලටත් පරිවර්තනය කළ හැක.
