FlyVis OPTP प्रायोगिक डेमो · 10 सेकंड · बिना आवाज़
बाईं ओर एक मक्खी मॉडल और इनपुट इमेज हैं। बीच में मौजूदा और नए मॉडल के पेज वर्गीकरण की तुलना है। दाईं ओर क्षैतिज और ऊर्ध्वाधर अक्षों के साथ फ़ीचर और प्रोजेक्शन दिखाए गए हैं। इनपुट बदलने पर दोनों मॉडलों के अनुमानों की तुलना की जा सकती है। रिकॉर्डिंग में दिखने वाला ब्राउज़र का समय नीचे बताए गए आंतरिक मापों से अलग हो सकता है, जो अलग से लिए गए थे।
क्या छोटा मॉडल बेहतर देख सकता है?
पेज पहचानना किताब स्कैन करने वाले ऐप का एक बुनियादी हिस्सा है। vFlat डेवलपमेंट टीम ने OPTP पेज पहचान मॉडल को हल्का बनाने का प्रयोग किया। प्रेरणा एक अनपेक्षित जगह से मिली: फल मक्खी की दृष्टि पर हुआ शोध।
यह लेख 15 सितंबर 2026 को टीम के साथ साझा किए गए एक रिसर्च और डेवलपमेंट प्रयोग के बारे में है। यह vFlat की किसी जारी की गई सुविधा या अलग-अलग फ़ोन पर परखी गई परफ़ॉर्मेंस की घोषणा नहीं है।
तंत्रिका तंत्र की नकल नहीं, सिर्फ़ एक आइडिया उधार
डेवलपर ने FlyVis को संदर्भ के तौर पर लिया, लेकिन फल मक्खी के पूरे न्यूरल सर्किट की नकल नहीं की। इसके बजाय, प्रयोग में एक आइडिया अपनाया गया — जानकारी को क्षैतिज और ऊर्ध्वाधर दिशाओं में अलग-अलग एक-आयामी रूप में संक्षिप्त करना — और उसे पेज पहचान के लिए ढाला गया।
मौजूदा मॉडल दो-आयामी इमेज को धीरे-धीरे छोटा करते हुए फ़ीचर निकालता था। नया मॉडल पहले सरल दो-आयामी फ़ीचर तेज़ी से निकालता है, फिर उन्हें दोनों अक्षों के साथ संक्षिप्त करके प्रोसेस करता है। मकसद पूरे स्थानिक (स्पेशियल) रूप पर लगातार गणना करते रहने का काम घटाना है।
पैरामीटर आधे, आंतरिक टेस्ट में ज़्यादा सटीकता
डेवलपर के आंतरिक टेस्ट में सटीकता 96.5% से बढ़कर 98.6% हो गई, यानी 2.1 प्रतिशत अंकों की बढ़त। पैरामीटर की संख्या लगभग आधी रह गई, और गणना का भार करीब एक-तिहाई रह गया।
रिपोर्ट में 1 ms से कम लेटेंसी भी दर्ज की गई, जिसमें सबसे कम 0.44 ms थी। ये नतीजे उसी प्रायोगिक सेटअप के हैं। मापने वाला डिवाइस, रनटाइम, दोहराव की संख्या और टेस्ट सेट की बनावट यहां नहीं बताई गई है, इसलिए इन आंकड़ों को अलग-अलग फ़ोन की रफ़्तार या रोज़मर्रा के इस्तेमाल में सटीकता पर लागू नहीं करना चाहिए।
अगला लक्ष्य: मोबाइल CPU
डेवलपर का अगला लक्ष्य मॉडल को सीधे मोबाइल CPU पर चलाना है, ताकि डेटा को GPU पर ले जाने वाला चरण न रहे। मॉडल का गणना भार कम होने से इस तरीके को आज़माने की गुंजाइश बनती है।
मोबाइल CPU पर पर्याप्त तेज़ परफ़ॉर्मेंस अभी एक परिकल्पना है, जिसे जांचना बाकी है। असली डिवाइस पर लेटेंसी और अलग-अलग परिस्थितियों में ली गई फ़ोटो पर सटीकता को अभी परखा जाना है।
बड़ा मॉडल ही एकमात्र रास्ता नहीं
इस प्रयोग की दिलचस्प बात यह है कि मॉडल को बड़ा किए बिना आंतरिक टेस्ट का नतीजा बेहतर हुआ। दूसरे क्षेत्र के एक आइडिया को सरल बनाकर एक ख़ास समस्या पर लागू करने की एक डेवलपर की कोशिश ने हल्के पेज पहचान की ओर एक संभावित रास्ता दिखाया है।
लेख: vFlat डेवलपमेंट टीम। आंकड़े और तकनीकी विवरण 15 सितंबर 2026 को साझा की गई डेवलपर की आंतरिक प्रायोगिक रिपोर्ट पर आधारित हैं।