找到一張滿意的圖有多難?

首先第一步當然是輸入關鍵詞，不過往往會顯示出很多的結果，我們需要選擇不同顏色、尺寸來進一步精確搜索范圍。很多圖片網站提供了更詳細的篩選條件，來幫助用戶快速找到合適的圖片，不過結果還是不夠理想，基于條件搜索的方法依然不夠「人性化」。

一張圖中有很多元素，這些元素的位置往往不可控，我們需要在大量相似的圖中找到合適構圖的那一張，整個過程很費時。Shutterstock 提供了一種新的搜索工具 Composition Aware Search，用戶可以基于構圖更快速地找到精確的結果。

構圖感知搜索引擎

這個工具運用的是深度學習技術，基于 Shutterstock 的下一代視覺模型，將機器視覺、自然語言處理和信息檢索技術相結合，在海量的圖庫中找到與搜索標準相匹配的結果。添加關鍵詞到畫布中，然后移動到想要的位置，就可以看到對應構圖的圖片。

舉個例子，輸入關鍵詞「cat」，移動到左邊，再添加關鍵詞「dog」，放到右邊，就可以找到左邊是貓，右邊是狗的圖片。隨意移動關鍵詞的位置，可以在搜索結果中實時看到更改。

很多用戶找圖費時間，很大的原因就是對構圖不滿意，比如用于幻燈片的背景，圖上要有合適的空間留著寫文案。在 Shutterstock 的新工具中，你還能自定義文本位置，找到有合適留白的圖片。

Shutterstock 創始人 Jon Oringer 提到：「這項技術的主要突破在于，我們只需要訓練模型來識別內容是什么，而位置變化可以交給深度神經網絡來完成。」

對設計師和很多需要經常找圖的用戶來說，這個工具可以極大地提升找圖的效率。

用機器學習識別視覺內容

這個工具由 Shutterstock 內部的計算機視覺團隊開發，去年他們就曾推出了反向搜索和相似圖片搜索的功能，這些技術的目的都是為了讓用戶更快速地找到想要的圖片。

很多公司都在用機器學習來對視覺內容進行標記和分類。Pinterest 和零售商 Target 合作升級了拍照搜索，可以反向搜索菜單，還能搜索到商品。某成人網站也開始啟用 AI 系統，使用機器學習來識別 XX 明星，自動標記 500 萬個視頻內容。

基于構圖的搜索工具是 Shutterstock 用 AI 改變圖片搜索的另一突破，不過目前這項技術還處在測試階段，只能識別一些簡單的內容。