Demo thử nghiệm FlyVis OPTP · 10 giây · Không có âm thanh

Bên trái là mô hình con ruồi và các hình ảnh đầu vào. Ở giữa là phần so sánh kết quả phân loại trang của mô hình cũ và mô hình mới. Bên phải trực quan hóa các đặc trưng và phép chiếu theo trục ngang và trục dọc. Khi đầu vào thay đổi, bạn có thể so sánh dự đoán của hai mô hình. Thời gian xử lý trên trình duyệt hiển thị trong video có thể khác với các phép đo nội bộ riêng được đề cập bên dưới.

Mô hình nhỏ hơn có thể nhìn tốt hơn không?

Nhận diện trang là một khâu cơ bản của ứng dụng quét sách. Đội ngũ phát triển vFlat đã thử nghiệm làm nhẹ mô hình nhận diện trang OPTP. Nguồn cảm hứng bất ngờ lại đến từ nghiên cứu về thị giác của ruồi giấm.

Bài viết này mô tả một thử nghiệm nghiên cứu và phát triển được chia sẻ với nhóm vào ngày 15 tháng 9 năm 2026. Đây không phải là thông báo về một tính năng đã phát hành của vFlat, cũng không phải là hiệu năng đã được kiểm chứng trên các dòng điện thoại.

Mượn ý tưởng, không sao chép hệ thần kinh

Nhà phát triển tham khảo FlyVis nhưng không sao chép toàn bộ mạch thần kinh của ruồi giấm. Thay vào đó, thử nghiệm áp dụng ý tưởng nén thông tin riêng theo chiều ngang và chiều dọc thành các biểu diễn một chiều, được điều chỉnh cho bài toán nhận diện trang.

Mô hình cũ trích xuất đặc trưng trong khi thu nhỏ dần ảnh hai chiều. Mô hình mới trước tiên trích xuất nhanh các đặc trưng hai chiều đơn giản, rồi nén chúng theo hai trục để xử lý. Mục tiêu là giảm bớt khối lượng tính toán liên tục trên toàn bộ biểu diễn không gian.

Giảm một nửa tham số, độ chính xác thử nghiệm nội bộ cao hơn

Trong thử nghiệm nội bộ của nhà phát triển, độ chính xác tăng từ 96,5% lên 98,6%, tức tăng 2,1 điểm phần trăm. Số tham số giảm khoảng một nửa, và khối lượng tính toán chỉ còn khoảng một phần ba.

Báo cáo cũng ghi nhận độ trễ dưới 1 ms, thấp nhất là 0,44 ms. Các kết quả này chỉ đúng với cấu hình thử nghiệm đó. Thiết bị đo, môi trường chạy, số lần lặp và thành phần tập kiểm thử không được công bố ở đây, vì vậy không nên khái quát các con số này thành tốc độ trên từng điện thoại hay độ chính xác khi sử dụng hằng ngày.

Mục tiêu tiếp theo: CPU di động

Mục tiêu tiếp theo của nhà phát triển là chạy mô hình trực tiếp trên CPU di động, bỏ qua bước chuyển dữ liệu sang GPU. Việc giảm khối lượng tính toán của mô hình mở ra dư địa để khám phá hướng thực thi này.

Việc chạy đủ nhanh trên CPU di động vẫn là một giả thuyết cần kiểm chứng. Độ trễ trên thiết bị thực và độ chính xác trong các điều kiện chụp khác nhau vẫn cần được xác thực.

Mô hình lớn hơn không phải hướng đi duy nhất

Điều thú vị ở thử nghiệm này là kết quả kiểm thử nội bộ được cải thiện mà không cần làm mô hình lớn hơn. Bằng cách đơn giản hóa một ý tưởng từ lĩnh vực khác và điều chỉnh cho một bài toán cụ thể, một nhà phát triển đã mở ra hướng đi khả thi cho việc nhận diện trang nhẹ hơn.

Bài viết: đội ngũ phát triển vFlat. Số liệu và chi tiết triển khai dựa trên báo cáo thử nghiệm nội bộ của nhà phát triển, được chia sẻ vào ngày 15 tháng 9 năm 2026.