ไอเดียจากสายตาแมลงวันผลไม้ สู่โมเดลรู้จำหน้ากระดาษที่เบากว่าเดิม

การรู้จำหน้ากระดาษเป็นพื้นฐานของแอปสแกนหนังสือ ทีมพัฒนา vFlat ได้ทดลองทำให้ OPTP ซึ่งเป็นโมเดลรู้จำหน้ากระดาษเบาลง และแรงบันดาลใจที่คาดไม่ถึงก็มาจากงานวิจัยด้านการมองเห็นของแมลงวันผลไม้

บทความนี้เล่าถึงการทดลองด้านการวิจัยและพัฒนาที่แบ่งปันภายในทีมเมื่อวันที่ 15 กันยายน 2569 ไม่ใช่การประกาศฟีเจอร์ที่เปิดตัวแล้วใน vFlat หรือประสิทธิภาพที่ยืนยันแล้วบนมือถือรุ่นต่าง ๆ

นักพัฒนาอ้างอิง FlyVis แต่ไม่ได้ลอกวงจรประสาทของแมลงวันผลไม้มาทั้งหมด การทดลองนี้นำแนวคิดการบีบอัดข้อมูลแยกตามแนวนอนและแนวตั้งให้เป็นข้อมูลหนึ่งมิติ มาปรับใช้กับการรู้จำหน้ากระดาษ

โมเดลเดิมสกัดฟีเจอร์ไปพร้อมกับค่อย ๆ ย่อภาพสองมิติลงทีละขั้น ส่วนโมเดลใหม่จะสกัดฟีเจอร์สองมิติแบบง่ายอย่างรวดเร็วก่อน แล้วจึงบีบอัดตามสองแกนเพื่อประมวลผล เป้าหมายคือลดงานคำนวณที่ต้องทำต่อเนื่องกับข้อมูลเชิงพื้นที่ทั้งหมด

ในการทดสอบภายในของนักพัฒนา ความแม่นยำเพิ่มจาก 96.5% เป็น 98.6% หรือเพิ่มขึ้น 2.1 จุดเปอร์เซ็นต์ จำนวนพารามิเตอร์ลดลงราวครึ่งหนึ่ง และปริมาณการคำนวณลดลงเหลือประมาณหนึ่งในสาม

รายงานยังบันทึกค่าความหน่วงไว้ต่ำกว่า 1 มิลลิวินาที โดยต่ำสุดอยู่ที่ 0.44 มิลลิวินาที ผลลัพธ์เหล่านี้ใช้ได้เฉพาะกับสภาพการทดลองดังกล่าว ในที่นี้ไม่ได้เปิดเผยอุปกรณ์ที่ใช้วัด รันไทม์ จำนวนรอบที่ทำซ้ำ หรือองค์ประกอบของชุดทดสอบ จึงไม่ควรนำตัวเลขเหล่านี้ไปสรุปเป็นความเร็วบนมือถือแต่ละเครื่องหรือความแม่นยำในการใช้งานจริง

เป้าหมายต่อไปของนักพัฒนาคือการรันโมเดลบน CPU ของมือถือโดยตรง ไม่ต้องย้ายข้อมูลไปยัง GPU และการที่โมเดลใช้การคำนวณน้อยลงก็เปิดทางให้ลองแนวทางการประมวลผลนี้ได้

แต่จะทำงานบน CPU ของมือถือได้เร็วพอหรือไม่ ยังเป็นสมมติฐานที่ต้องพิสูจน์ ทั้งความหน่วงบนอุปกรณ์จริงและความแม่นยำในสภาพการถ่ายที่หลากหลายยังต้องตรวจสอบต่อไป

สิ่งที่น่าสนใจในการทดลองนี้คือผลการทดสอบภายในดีขึ้นโดยไม่ต้องขยายโมเดลให้ใหญ่ขึ้น การที่นักพัฒนาหยิบแนวคิดจากศาสตร์อื่นมาย่อยให้เรียบง่าย แล้วปรับใช้กับโจทย์เฉพาะ ช่วยชี้ให้เห็นอีกเส้นทางที่เป็นไปได้สู่การรู้จำหน้ากระดาษที่เบากว่าเดิม

เขียนโดยทีมพัฒนา vFlat ตัวเลขและรายละเอียดการพัฒนาอ้างอิงจากรายงานการทดลองภายในของนักพัฒนาที่แบ่งปันเมื่อวันที่ 15 กันยายน 2569