न्यूयॉर्क सिटी के भीतर सभी टेक्स्ट की खोज

 (alltext.nyc)
4 पॉइंट द्वारा GN⁺ 2025-08-14 | 4 टिप्पणियां | WhatsApp पर शेयर करें
  • Google Street View की 80 लाख से अधिक इमेजों का AI से विश्लेषण करके 13.8 करोड़ सड़क-स्तरीय टेक्स्ट निकाले गए
  • इन्हें खोजे जा सकने वाले NYC street text database के रूप में बनाकर एक search engine तैयार किया गया
  • मीडिया आर्टिस्ट Yufeng Zhao की यह कृति, specific शब्दों (जैसे: pizza, Broadway, luxury, beware, gold, iglesia, jerk आदि) के location distribution को मानचित्र पर दिखाकर सांस्कृतिक, व्यावसायिक और क्षेत्रीय विशेषताओं को visualise करती है
  • यह NYC के street landscape को एक तरह के “source code” की तरह पढ़ने का प्रयोग है, साथ ही urban data को explore करने का एक नया तरीका भी

परियोजना का अवलोकन

  • लक्ष्य: NYC भर में दिखाई देने वाले टेक्स्ट को इकट्ठा करके उन्हें searchable बनाना
  • डेटा स्रोत: Google Street View (2007~2025, 80 लाख+ इमेज)
  • तकनीक: इमेज के भीतर text recognition (OCR), location coordinates mapping
  • सीमा: केवल वही टेक्स्ट शामिल हैं जो वाहन से कैप्चर की जा सकने वाली सड़कों की दृश्य सीमा में आते हैं (गलियाँ, पार्क, छोटे अक्षर शामिल नहीं)

प्रमुख visualisation उदाहरण

  • Pizza: NYC भर में pizza दुकानों का वितरण
  • Broadway: सभी boroughs में Broadway संकेत और थिएटर-घनत्व वाले क्षेत्र
  • Luxury: नए residential complexes के प्रचार वाक्य, Hudson Yards क्षेत्र में सघनता
  • Beware: घरों और fence वाले बाहरी residential क्षेत्रों में सघन, Manhattan में लगभग नहीं
  • Gold: Diamond District और सोना खरीदने वाली दुकानों की सड़कें
  • Iglesia: Spanish-speaking समुदायों के चर्चों के स्थान
  • Jerk: Flatbush और Jamaica क्षेत्रों में, जहाँ Jamaican भोजनालय अधिक हैं
  • Unisex: barber और beauty संयुक्त दुकानों का भौगोलिक वितरण

दिलचस्प टेक्स्ट उदाहरण

  • Fedders: 1950~90 के दशक का built-in A/C brand logo, ‘Fedders house’ phenomenon
  • Yodock: construction-site sidewalks के लिए plastic barrier brand
  • 4Cars (Acars): अवैध रूप से चिपकाए गए used-car buying ads, OCR misrecognition
  • Sabrett: NYC का प्रतिनिधि hot dog cart brand, tourist-area distribution
  • Halal: इस्लामी भोजन बेचने वाली दुकानें और carts, 1980 के दशक में शुरू होकर शहर की food culture का हिस्सा बनीं
  • Siamese: fire hose connector type का नाम
  • Surveillance: surveillance camera notices, सार्वजनिक और निजी सुविधाओं में व्यापक

व्याख्या और अर्थ

  • यह परियोजना शहर को text-based map के रूप में पुनर्व्याख्यायित करती है और commerce, culture, safety, तथा infrastructure के निशानों को दृश्य रूप में सामने लाती है
  • specific शब्दों का भौगोलिक वितरण सांस्कृतिक क्षेत्रों, industries और सामाजिक विशेषताओं से गहराई से जुड़ा है
  • warning और surveillance से जुड़े शब्द NYC की safety और control culture तथा public space की रिकॉर्ड-योग्यता को दर्शाते हैं
  • यह डेटा केवल visualisation ही नहीं, बल्कि urban history, sociology और branding research के लिए भी उपयोगी हो सकता है

संबंधित पढ़ाई

4 टिप्पणियां

 
yeorinhieut 2025-08-15

लेख का मुख्य भाग काफ़ी hallucinatory है।

"all text in nyc" एक search engine है जो New York City की Google Street View images में मौजूद text ढूंढता है। किसी भी शब्द या phrase को search करें और देखें कि वह पूरे शहर में कहाँ दिखाई देता है—दुकानों के signboard, graffiti, advertisements और protest signs में।

असल में यह एक ऐसी साइट है जो Street View पर पूरा OCR चलाकर किसी खास शब्द को ढूंढने देती है।
 
yeorinhieut 2025-08-16

लगता है इसे ठीक कर दिया गया है
 
crawler 2025-08-14

यह वाकई बहुत दिलचस्प है, लेकिन यह सोचकर थोड़ा डर भी लगता है कि इसे किसी सरकार ने नहीं, न ही Google जैसी किसी कंपनी ने बनाया है.
लगता है दुनिया में डेटा की भरमार है
 
GN⁺ 2025-08-14
Hacker News राय

  • इस साइट के बारे में यह लेख भी वाकई दिलचस्प है: The Pudding का Street View प्रोजेक्ट

    • The Pudding आजकल इंटरनेट पर मिलने वाले सबसे बेहतरीन कंटेंट में से एक है

    • इसे सबसे ऊपर जोड़ दिया गया है

  • YouTube पर ऐसे लोग हैं जो अलग-अलग शहरों में पैदल चलते हुए वीडियो रिकॉर्ड करते हैं। मुझे निजी तौर पर टोक्यो/जापान में चलने वाले वीडियो खास तौर पर पसंद हैं। मुझे लगता है कि ऐसे वीडियो से 3D मैप बनाना भी बहुत शानदार होगा। यह मेरा विशेषज्ञता वाला क्षेत्र नहीं है, लेकिन लगता है कुछ कंपनियों ने शायद यह पहले ही करके देखा होगा। ऐसे वीडियो में डेटा की मात्रा बहुत ज्यादा होती है। शायद इन्हें robot training के लिए भी मुफ्त में इस्तेमाल किया जा सके, जैसे भीड़ के बीच चलने वाले delivery robot के लिए

    तकनीकी रूप से यह शायद SLAM, photogrammetry, और VIO का संयोजन होगा, लेकिन IMU नहीं होने की वजह से उस हिस्से का अनुमान वीडियो से लगाना पड़ेगा। फ्रेम और lighting flicker तक बहुत तेज़ होंगे

    उदाहरण लिंक: टोक्यो सड़क पर सैर, एक और उदाहरण

    • इसी तरह, अगर real estate photos जैसी स्थिर छवियों से floor plan पुनर्निर्मित करने वाला कोई टूल हो, तो वह बहुत उपयोगी होगा। भले ही उसमें आंशिक manual input की जरूरत पड़े, तब भी वह काम का होगा

    • पहले एक व्यक्ति थे जो टोक्यो के इलेक्ट्रॉनिक्स मार्केट घूमते हुए YouTube वीडियो बनाते थे। हैरानी की बात यह थी कि smartphone या robot parts खरीदने के लिए सबसे अच्छी जगहें बिल्कुल साधारण-सी दिखने वाली इमारतों में थीं, और स्थानीय जानकारी के बिना उनके बारे में पता ही नहीं चलता। अगर यह सचमुच आपके बताए तरीके से लागू हो जाए, तो यात्रियों के लिए ऐसी जगहें ढूँढना बहुत आसान हो जाएगा। मैं यह ज़रूर देखना चाहूँगा

  • अगर Google Maps search में ऐसी सुविधा जुड़ जाए, तो वह सचमुच दिलचस्प होगा। कई बार लगता है कि Google Maps पर जानकारी ढूँढना पर्याप्त नहीं है। हाल ही में मैंने दक्षिण Gran Canaria में specialty coffee ढूँढने की कोशिश की, और आखिर में सिर्फ एक जगह मिली जो होटल के अंदर थी, और उसे ढूँढने में 30 मिनट लग गए। मैं आम तौर पर pourover या v60 जैसे filter terms से खोजता हूँ, लेकिन अगर कैफ़े अपने description या reviews में इन्हें साफ़ तौर पर न लिखे, तो ढूँढना मुश्किल हो जाता है। ऐसा भी लगता है कि ग्राहकों की तस्वीरों में दिखने वाला टेक्स्ट, जैसे menu board, बिल्कुल index ही नहीं होता

    • अगर V60 खोजें तो शायद ज़्यादातर Volvo गाड़ियाँ आएँगी, लेकिन सच में जानना दिलचस्प होगा कि कैफ़े में ली गई तस्वीरों में ऐसे शब्द कितनी बार दिखते हैं

    • अगर coffee shops ने अब तक ऐसे शब्दों पर ध्यान नहीं दिया है, तो अब उन्हें इस पर विचार करना चाहिए। सच कहूँ तो, मैं भी शायद इस साइट पर फिर लौटूँगा

  • मैं यह देखने के लिए टिप्पणी छोड़ रहा हूँ कि डेटा तैयार करने वाले व्यक्ति का GitHub क्या है। मुझे जानना है कि न्यूयॉर्क के डेटा विश्लेषण में कितने computing resources लगे। मैं अपने शहर में भी यह करना चाहता हूँ, लेकिन लगता है बजट बहुत कम पड़ जाएगा। देखें yz3440 GitHub (नीचे की टिप्पणियाँ सही कह रही हैं। दरअसल चिंता computing से ज्यादा Google Maps API की लागत की होनी चाहिए। अगर मुफ्त में किया गया हो, तो लेखक को इसमें कई साल लग गए होंगे। लेखक का बजट काबिल-ए-रश्क है)

    • OCR computing cost सस्ती होने की उम्मीद है। अगर आपके पास अच्छा personal PC हो, तो मुझे लगता है कि यह रात भर में या एक हफ्ते में हो सकता है। असली समस्या Google Maps API का शुल्क है। जब तक इसे art project मानकर शुल्क माफ़ न किया जाए, यह काफी भारी पड़ेगा। Maps Platform pricing देखें बड़े शहरों में panorama की संख्या ज्यादा हो तो free tier पार करते ही लागत कई हज़ार डॉलर हो सकती है

    • लेख के मुताबिक 80 लाख panorama इस्तेमाल किए गए, तो सिर्फ Street View API पर ही लगभग 30,000 डॉलर लगे होंगे (static image API का resolution कम है, इसलिए शायद वह 2 गुना महँगा पड़ता)। OCR, अगर तुरंत न करना हो, तो बहुत सस्ता होगा। उदाहरण के लिए PaddlePaddle server चलाने वाला एक सामान्य GPU लगभग 4MP प्रति सेकंड संभाल सकता है। कुछ हज़ार डॉलर के hardware पर 3–6 महीने तक काम करके यह किया जा सकता है (resolution और model size पर निर्भर करता है)

    • 80 लाख तस्वीरों का मतलब है, एक हफ्ते तक प्रति सेकंड 13.2 तस्वीरें। मेरी जिज्ञासा यह है कि डेटा Google API से scrape किया गया था या Google के साथ सहयोग में लिया गया था

    • Claude के साथ हिसाब लगाकर देखा तो पता चला कि अगर Taipei की पूरी सड़क-तस्वीरें gmap api से 3m के अंतराल पर खींची जाएँ, तो लगभग 8,000 डॉलर लगेंगे। महँगा है, लेकिन असंभव नहीं

  • fuck जैसे गाली वाले शब्दों को censor करना दिलचस्प है। पता नहीं किसी शब्द को पूरा लिखा हुआ पढ़ने से दिमाग पर सचमुच कोई असर पड़ता है या नहीं

    • असली तस्वीरों में वह शब्द मिल जाता है। अगर Street View version में कहीं अलग से censor किया गया हो, तो अलग बात है

    • शायद यह SEO या family-friendly policy, या दोनों, की वजह से है। वैसे YouTube वीडियो के पहले 1 मिनट में गाली न देने वाला नियम भी है

  • Fool खोजने पर OCR errors बहुत ज्यादा आते हैं। वजह शायद occlusion वगैरह है उदाहरण खोज परिणाम Surgery of the Fool सबसे बढ़िया है

    • fart खोजने पर भी वही हाल है, और वह कहीं ज़्यादा मज़ेदार है fart खोज परिणाम Fart bird special काफी मज़ेदार है। मुझे staff farting only सबसे अच्छा लगा। BECAUSE THE FART NEEDS, Juice Fart, WHOLESALE FARTS भी हैं

  • यह OSINT (open source intelligence analysis) के लिए बहुत उपयोगी लग रहा है। सोचता हूँ कि क्या खुफिया एजेंसियों के पास इसका वैश्विक स्तर का संस्करण पहले से मौजूद होगा

  • यह सचमुच बहुत शानदार प्रोजेक्ट है। अगर इसमें CLIP जैसे embeddings भी जोड़ दिए जाएँ, ताकि सिर्फ टेक्स्ट ही नहीं बल्कि लोग लड़ रहे हैं, बिल्ली और कुत्ता, लाल Tesla, clown, बच्चा और पिल्ला जैसी semantic vector search भी हो सके, तो यह 10 गुना ज्यादा शानदार हो जाएगा

  • संबंधित प्रोजेक्ट्स में All Text in NYC और All text in Brooklyn भी हैं

    • इसका लंदन संस्करण भी है, रुचि हो तो साझा कर रहा हूँ: लंदन publicinsights.uk

  • इससे मुझे NY Cerebro नाम की सेवा याद आ गई। यह न्यूयॉर्क शहर की सैकड़ों सार्वजनिक सड़क कैमरों में semantic search की सुविधा देती है nycerebro.vercel.app (जैसे: scaffolding खोज)

    • यह देखकर हैरानी हुई कि सार्वजनिक सड़क कैमरों का resolution इतना कम है। गाड़ियों की हेडलाइट की परावर्तन के कारण भी नतीजे संतोषजनक नहीं लगते

    • यह सेवा पहले NVIDIA और Vercel hackathon में पहला पुरस्कार जीत चुकी है