ค้นหาข้อความทั้งหมดในนครนิวยอร์ก

 (alltext.nyc)
4 คะแนน โดย GN⁺ 2025-08-14 | 4 ความคิดเห็น | แชร์ทาง WhatsApp
  • วิเคราะห์ภาพมากกว่า 8 ล้านภาพจาก Google Street View ด้วย AI เพื่อดึงข้อความบนท้องถนน 138 ล้านรายการ
  • นำมาสร้างเป็น ฐานข้อมูลข้อความบนถนนใน NYC ที่ค้นหาได้ และพัฒนาเป็นเสิร์ชเอนจิน
  • เป็นผลงานของศิลปินสื่อ Yufeng Zhao ที่ใช้ข้อมูลนี้แสดงการกระจายตัวบนแผนที่ของคำบางคำ (เช่น pizza, Broadway, luxury, beware, gold, iglesia, jerk เป็นต้น) เพื่อทำให้เห็นลักษณะทางวัฒนธรรม การค้า และภูมิภาค
  • เป็นทั้งการทดลองอ่านภูมิทัศน์ถนนของ NYC เสมือนเป็น “ซอร์สโค้ด” รูปแบบหนึ่ง และเป็นวิธีใหม่ในการสำรวจข้อมูลเมือง

ภาพรวมของโครงการ

  • เป้าหมาย: รวบรวมข้อความที่มองเห็นได้ทั่ว NYC และทำให้ค้นหาได้
  • แหล่งข้อมูล: Google Street View (2007~2025, มากกว่า 8 ล้านภาพ)
  • เทคโนโลยี: การรู้จำข้อความในภาพ (OCR), การแมปพิกัดตำแหน่ง
  • ข้อจำกัดของขอบเขต: รวมเฉพาะข้อความที่อยู่ในระยะมองเห็นจากถนนที่รถสามารถถ่ายได้เท่านั้น (ไม่รวมตรอก สวนสาธารณะ และตัวอักษรขนาดเล็ก)

ตัวอย่างการแสดงผลสำคัญ

  • Pizza: การกระจายตัวของร้านพิซซ่าทั่ว NYC
  • Broadway: ป้าย Broadway ในทุก borough และพื้นที่ที่โรงละครหนาแน่น
  • Luxury: ข้อความโปรโมตโครงการที่อยู่อาศัยใหม่ กระจุกตัวในย่าน Hudson Yards
  • Beware: กระจุกตัวในย่านที่อยู่อาศัยรอบนอกที่มีบ้านและรั้ว แทบไม่มีในแมนฮัตตัน
  • Gold: ย่าน Diamond District และถนนที่มีร้านรับซื้อทอง
  • Iglesia: ตำแหน่งโบสถ์ของชุมชนที่ใช้ภาษาสเปน
  • Jerk: พื้นที่ Flatbush และ Jamaica ที่มีร้านอาหารจาเมกาจำนวนมาก
  • Unisex: การกระจายตัวทางภูมิศาสตร์ของร้านตัดผมและเสริมสวยแบบผสม

ตัวอย่างข้อความที่น่าสนใจ

  • Fedders: โลโก้แบรนด์เครื่องปรับอากาศแบบบิลต์อินจากช่วงปี 1950~90 และปรากฏการณ์ ‘Fedders house’
  • Yodock: แบรนด์แบริเออร์พลาสติกสำหรับทางเท้าบริเวณไซต์ก่อสร้าง
  • 4Cars (Acars): โฆษณารับซื้อรถมือสองที่ติดแบบผิดกฎหมาย และการอ่านผิดของ OCR
  • Sabrett: แบรนด์รถเข็นฮอตด็อกชื่อดังของ NYC ที่กระจายตัวตามแหล่งท่องเที่ยว
  • Halal: ร้านและรถเข็นขายอาหารฮาลาล เริ่มต้นในทศวรรษ 1980 ก่อนจะกลายเป็นส่วนหนึ่งของวัฒนธรรมอาหารของเมือง
  • Siamese: ชื่อเรียกประเภทของข้อต่อสายส่งน้ำดับเพลิง
  • Surveillance: ป้ายแจ้งเตือนกล้องวงจรปิดที่พบได้ทั่วทั้งพื้นที่สาธารณะและสถานที่เอกชน

การตีความและความหมาย

  • โครงการนี้ตีความเมืองใหม่เป็น แผนที่ที่อิงข้อความ พร้อมเผยให้เห็นร่องรอยของการค้า วัฒนธรรม ความปลอดภัย และโครงสร้างพื้นฐานในเชิงภาพ
  • การกระจายตัวทางภูมิศาสตร์ของคำบางคำเชื่อมโยงอย่างใกล้ชิดกับ กลุ่มวัฒนธรรม อุตสาหกรรม และลักษณะทางสังคม
  • คำที่เกี่ยวกับคำเตือนและการเฝ้าระวังสะท้อน วัฒนธรรมด้านความปลอดภัยและการควบคุม ของ NYC รวมถึงลักษณะการบันทึกของพื้นที่สาธารณะ
  • ข้อมูลนี้ไม่เพียงใช้เพื่อการทำภาพข้อมูลเท่านั้น แต่ยังสามารถนำไปใช้เป็น ข้อมูลวิจัยด้านประวัติศาสตร์เมือง สังคมวิทยา และการสร้างแบรนด์ ได้

บทความที่เกี่ยวข้อง

4 ความคิดเห็น

 
yeorinhieut 2025-08-15

เนื้อหาค่อนข้างเพ้อเจ้อมากเลย

"all text in nyc" คือเสิร์ชเอนจินที่ค้นหาข้อความในภาพ Google Street View ของนครนิวยอร์ก ค้นหาคำหรือวลีใดก็ได้เพื่อดูว่ามันปรากฏที่ไหนบ้างทั่วทั้งเมือง—บนป้ายร้าน กราฟฟิตี โฆษณา และป้ายประท้วง

ตัวเว็บไซต์หลักคือเว็บที่เอา Street View ทั้งหมดไปรัน OCR แล้วทำให้ค้นหาคำเฉพาะได้
 
yeorinhieut 2025-08-16

มีการแก้ไขแล้วนะ
 
crawler 2025-08-14

น่าสนใจมาก แต่พอคิดว่าสิ่งนี้ไม่ได้ถูกสร้างโดยภาครัฐหรือบริษัทอย่าง Google ก็แอบน่ากลัวเหมือนกัน
รู้สึกได้เลยว่าโลกนี้มีข้อมูลล้นหลาม
 
GN⁺ 2025-08-14
ความเห็นจาก Hacker News

  • บทความนี้เกี่ยวกับเว็บไซต์นี้ก็น่าสนใจมากเช่นกัน คือ โปรเจ็กต์ Street View ของ The Pudding

    • ช่วงนี้ The Pudding เป็นหนึ่งในแหล่งคอนเทนต์ที่ดีที่สุดบนอินเทอร์เน็ต

    • เพิ่มไว้ด้านบนสุดแล้ว

  • บน YouTube มีคนถ่ายวิดีโอเดินเท้าในหลายเมืองอยู่เหมือนกัน ส่วนตัวชอบวิดีโอเดินในโตเกียว/ญี่ปุ่นเป็นพิเศษ และคิดว่าการลองสร้างแผนที่ 3D จากวิดีโอแบบนั้นก็น่าจะเจ๋งดี เรื่องนี้ไม่ใช่ความเชี่ยวชาญของผม แต่ก็น่าจะมีบริษัทที่เคยลองทำแล้วเหมือนกัน ในวิดีโอแบบนี้มีข้อมูลมหาศาลมาก บางทีอาจเอาไปใช้ฝึกหุ่นยนต์ได้ฟรีด้วยก็ได้ (เช่น หุ่นยนต์ส่งของที่ต้องเดินท่ามกลางฝูงชน)

    ในทางเทคนิคก็น่าจะเป็นการผสมกันของ SLAM, photogrammetry และ VIO แต่เพราะไม่มี IMU ก็ต้องประมาณส่วนนั้นจากวิดีโอแทน น่าจะเร็วเกินไปมากแม้กระทั่งระดับเฟรมและการกะพริบของแสง

    ลิงก์ตัวอย่าง: เดินเล่นตามถนนในโตเกียว, อีกตัวอย่างหนึ่ง

    • ในทำนองเดียวกัน ถ้ามีเครื่องมือที่สร้างแปลนพื้นจากภาพนิ่งอย่างรูปอสังหาริมทรัพย์ได้ก็คงมีประโยชน์มาก ถึงจะต้องป้อนข้อมูลด้วยมือบางส่วนก็ยังน่าใช้

    • เมื่อก่อนมีคนหนึ่งทำวิดีโอ YouTube เดินตระเวนย่านเครื่องใช้ไฟฟ้าในโตเกียว สิ่งที่น่าแปลกคือสถานที่ดีที่สุดหลายแห่งสำหรับซื้อสมาร์ตโฟนหรือชิ้นส่วนหุ่นยนต์กลับอยู่ในอาคารที่ดูไม่สะดุดตาเลย และถ้าไม่มีความรู้ท้องถิ่นจริง ๆ ก็ไม่มีทางรู้ได้เลย ถ้าทำได้จริงตามที่เสนอ มันจะช่วยนักท่องเที่ยวตามหาสถานที่แบบนี้ได้มาก อยากเห็นมาก

  • ถ้าฟีเจอร์แบบนี้ถูกเพิ่มเข้าไปใน Google Maps ก็น่าจะน่าสนใจมาก หลายครั้งผมรู้สึกว่าการหาข้อมูลใน Google Maps ยังไม่ดีพอ ล่าสุดผมพยายามหาร้านที่ขายกาแฟชงมือทางตอนใต้ของ Gran Canaria สุดท้ายเจอแค่ร้านเดียวในโรงแรม และใช้เวลาหาตั้ง 30 นาที ผมมักค้นด้วยคำกรองอย่าง "pourover" หรือ "v60" แต่ถ้าร้านกาแฟไม่ได้ระบุชัดในคำอธิบายหรือรีวิวก็หายากมาก ดูเหมือนว่าข้อความในรูปที่ลูกค้าถ่ายไว้ (เช่น เมนู) จะไม่ได้ถูกทำดัชนีเลยด้วยซ้ำ

    • ถ้าค้น V60 ก็น่าจะเจอแต่รถ Volvo เป็นส่วนใหญ่ แต่ก็สงสัยเหมือนกันว่าจริง ๆ แล้วจะมีรูปจากร้านกาแฟที่มีคำนี้อยู่มากแค่ไหน

    • ถ้าร้านกาแฟยังไม่เคยใส่ใจกับคำพวกนั้น ก็น่าจะเริ่มคิดได้แล้ว พูดตามตรง ผมเองก็คงกลับมาใช้เว็บนี้อีก

  • ผมเลยไปดู GitHub ของคนที่เตรียมข้อมูล อยากรู้ว่าการวิเคราะห์ข้อมูลนิวยอร์กต้องใช้ทรัพยากรคอมพิวต์มากแค่ไหน ผมก็อยากลองทำกับเมืองของตัวเองบ้าง แต่คิดว่างบน่าจะไม่พอ ดู yz3440 GitHub ได้เลย (คอมเมนต์ด้านล่างพูดถูก จริง ๆ แล้วสิ่งที่ต้องกังวลไม่ใช่คอมพิวต์ แต่เป็นค่าบริการ Google Maps API ถ้าทำแบบฟรี ๆ ผู้เขียนก็คงใช้เวลาหลายปี ผมอิจฉางบของผู้เขียน)

    • คิดว่าค่าคอมพิวต์สำหรับ OCR น่าจะถูก ถ้ามีพีซีส่วนตัวแรง ๆ ก็น่าจะปล่อยรันข้ามคืนหรือสักหนึ่งสัปดาห์ก็พอ ปัญหาคือค่าใช้จ่ายของ Google Maps API ต่างหาก ถ้าไม่ได้รับการยกเว้นเพราะถูกมองเป็นโปรเจ็กต์ศิลปะก็หนักเลย ดู ราคา Maps Platform ถ้าเป็นเมืองใหญ่ที่มีพาโนรามาเยอะ ค่าเกินฟรีทีเยอร์ก็เป็นหลักพันดอลลาร์แล้ว

    • ตามบทความบอกว่าใช้พาโนรามา 8 ล้านภาพ แค่ Street View API อย่างเดียวก็น่าจะราว 30,000 ดอลลาร์แล้ว (ส่วน static image API ความละเอียดต่ำกว่า เลยอาจต้องใช้แพงกว่าอีกราว 2 เท่า) ส่วน OCR ถ้าไม่รีบก็น่าจะถูกกว่ามาก เช่น ใช้ GPU ทั่วไปที่รันเซิร์ฟเวอร์ PaddlePaddle ก็รองรับได้ 4MP ต่อวินาที น่าจะทำงานเสร็จได้ใน 3-6 เดือนด้วยฮาร์ดแวร์ราคาไม่กี่พันดอลลาร์ (ขึ้นอยู่กับความละเอียดและขนาดโมเดล)

    • ถ้า 8 ล้านภาพ ก็เท่ากับ 13.2 ภาพต่อวินาทีตลอดหนึ่งสัปดาห์ สิ่งที่ผมสงสัยคือดึงข้อมูลมาด้วย Google API หรือทำงานร่วมกับ Google กันแน่

    • ลองคำนวณกับ Claude แล้ว ถ้าจะดึงภาพถนนทั้งไทเปจาก gmap api ทุก ๆ 3 เมตร จะอยู่ที่ราว 8,000 ดอลลาร์ แพงแต่ก็ไม่ถึงกับเป็นไปไม่ได้

  • น่าสนใจดีที่มีการเซ็นเซอร์คำหยาบอย่าง "fuck" ไม่แน่ใจว่าการอ่านคำเต็ม ๆ แบบจงใจมันมีผลต่อสมองจริงไหม

    • จริง ๆ แล้วหาเจอคำนั้นในรูปภาพได้ อาจเป็นไปได้ว่ามันถูกเซ็นเซอร์แยกเฉพาะในเวอร์ชัน StreetView

    • น่าจะเป็นเพราะ SEO หรือข้อบังคับเรื่องความเป็นมิตรต่อครอบครัว (หรือทั้งสองอย่าง) อนึ่ง YouTube ก็มีข้อห้ามเรื่องคำหยาบในนาทีแรกของวิดีโอด้วย

  • ถ้าค้นคำว่า "Fool" จะเจอ OCR เพี้ยนเยอะมาก เพราะถูกบังบ้างอะไรบ้าง ตัวอย่างผลการค้นหา "Surgery of the Fool" คือดีที่สุด

    • ค้น "fart" ก็เหมือนกันและตลกกว่ามาก ผลการค้นหา fart "Fart bird special" ค่อนข้างฮามาก ผมชอบ "staff farting only" ที่สุด ยังมี "BECAUSE THE FART NEEDS", "Juice Fart", "WHOLESALE FARTS" ด้วย

  • น่าจะมีประโยชน์มากกับงาน OSINT (การวิเคราะห์ข่าวกรองจากแหล่งข้อมูลเปิด) อดสงสัยไม่ได้ว่าหน่วยข่าวกรองมีของแบบนี้ในระดับโลกไปแล้วหรือยัง

  • เป็นโปรเจ็กต์ที่เจ๋งมาก ถ้าเพิ่ม embedding แบบ CLIP เข้าไปด้วย แล้วค้นหาเชิงความหมายได้ไม่ใช่แค่ข้อความ เช่น "คนกำลังต่อยกัน", "แมวกับหมา", "Tesla สีแดง", "ตัวตลก", "เด็กกับลูกสุนัข" ก็จะเจ๋งขึ้นอีก 10 เท่า

  • มีโปรเจ็กต์ที่เกี่ยวข้องคือ All Text in NYC และ All text in Brooklyn

  • ทำให้นึกถึงบริการชื่อ NY Cerebro ที่ค้นหาเชิงความหมายจากกล้องสาธารณะตามถนนหลายร้อยตัวในนิวยอร์กได้ nycerebro.vercel.app (เช่น ค้นคำว่า "scaffolding")

    • ผมตกใจที่ความละเอียดของกล้องสาธารณะตามถนนต่ำมาก แถมยังมีแสงสะท้อนจากไฟรถอีก เลยไม่ค่อยน่าพอใจ

    • บริการนี้คือโปรเจ็กต์ที่เคยได้ที่ 1 ในงานแฮกกาธอนของ NVIDIA และ Vercel