恰到好處的體貼：Synology Photos 如何堆疊你的相似相片，讓演算法幫你整理歸類

為了捕捉孩子最燦爛的笑容，你可能連按了十次快門；為了調出完美的夕陽色調，你也許儲存了五個不同濾鏡的版本。現代人拿起手機就能輕鬆攝影，卻讓相簿在記錄美好瞬間的同時，照片數量也會變得愈來愈龐大。所以不少相簿 App 都會主打整理重複、類似的照片，但這時候一個有趣的問題就來了：這些功能提到的「相似」定義，到底是什麼？

是同一個場景下，太陽位置略有不同的連拍夕陽嗎？是相同個構圖中，多了或少了一個人物嗎？還是同張相片，經過不同軟體裁切、修圖後的眾多版本？事實上，光是每一個人的判斷標準，都可能搖擺不定，那麼一套固定的演算法，要如何應對人類如此靈活、甚至帶點主觀的整理邏輯？

這些疑問，也是 Synology Photos 開發團隊在推出「堆疊相似相片」（Stack Similar Items）功能時，所探討的議題。此篇文章將帶你一虧幕後，解剖開發過程一系列關於技術與使用體驗的權衡。

權衡一：如何拿捏演算法的「相似」標準？

開發之初，Photos 團隊面臨的第一個哲學問題便是：演算法認定的「相似」，和人類眼中的「相似」，應該是什麼關係？

我們發現，人類的判斷極富彈性：在整理孩子的生日派對相片時，可能會把幾張表情略有差異的連拍視為「相似」；但在挑選一張要沖印出來的風景照時，雲彩位置的些微不同，可能就足以將其視為兩張獨立的作品。

一套演算法無法完全複製這種複雜的人類心智。它需要一個客觀、一致的標準。因此，在教 Synology Photos 程式如何「看懂」相似相片之前，必須先教會它如何「抓住重點」。

Synology Photos 採用的是 PDQ（Perceptual Hash）演算法。它運作的邏輯非常聰明，會自動忽略相片中那些無關緊要的「表面細節」，比如你把相片存成了 PNG 還是 JPG、解析度是高還是低，或相片上是否有一點點數位雜訊。這套演算法只專注於捕捉整張相片最核心的輪廓、線條和明暗分佈，為每一張相片快速繪製獨一無二的「靈魂速寫」。這位「演算法畫家」的速寫過程大致分為幾個步驟：

專注於本質：首先，演算法會將彩色相片轉換為灰階。這就像畫家在打草稿時，會先忽略顏色，專注於捕捉人物的輪廓、明暗和光影。這一步能確保聚焦在人眼最敏感的視覺結構上，而不是被多變的色彩所干擾。
統一視角：接著，不論你的相片是手機拍的直式大圖，還是相機拍的橫式廣角，演算法都會先將它們縮放到一個固定的尺寸。這就像畫家把所有參考相片，都放在同一張畫布上比對，確保比較的基準是一致的，不會因為原始尺寸不同而產生誤判。這一步的挑戰在於找到「最佳解析度」。如果縮得太小，雖然計算速度極快，但會流失過多圖像細節，導致一些明明不像的相片被誤判為相似。因此 Synology Photos 採用了一個相對大得多的標準尺寸，既能保留足夠的關鍵特徵，又能保持高效的運算，達成了準確性與效能的最佳平衡。
解構與提煉：這是最關鍵的一步。演算法會使用一種稱為「離散餘弦變換（DCT）」的數學工具，將圖像分解成最基本的「視覺紋理」和「佈局模式」。你可以想像成，畫家將人物的五官拆解成最基本的幾何形狀，並分析它們之間的相對位置，有效地提煉出圖像最重要的視覺特徵。
生成指紋：最後，演算法會根據這些提煉出的核心特徵，生成一串由 256 個 0 和 1 組成的代碼。這就是這張相片獨一無二的「靈魂速寫」——它的視覺指紋。

有了靈魂速寫作為判斷依據，下一個關鍵問題是：兩幅速寫要「多像」，才能認定它們是同一組相似相片？這是一個關於門檻值（Threshold）的設定，也是開發團隊內部進行無數次辯論和測試的核心。

最後，Synology Photos 用一種稱為「漢明距離（Hamming Distance）」的方法，量化兩幅速寫的差異。你可以想像成，每一幅速寫都由 256 個關鍵特徵點組成，接著將兩幅速寫疊在一起，逐一比對這 256 個特徵點，然後數一數，總共有多少個點是不一樣的。這個「不一樣的數量」，就是它們之間的漢明距離。

漢明距離為 0 至 15，意味著兩幅速寫完全相同，幾乎可以肯定是同一張相片的複製檔。
漢明距離很小（例如在 16 到 40 之間），通常代表相片只是經過了輕微的裁切、縮放或亮度調整，視覺內容高度相似。
漢明距離較大（例如在 41 到 80 之間），則意味著兩張相片雖然可能主題相關，但在構圖、人物或場景上已有明顯差異。

如果門檻值過於嚴格，稍微調整亮度或裁切，演算法就會認為是兩張不同的相片，失去了自動整理的意義。如果門檻過於寬鬆，構圖類似但主題迥異的相片（例如白天的沙灘、夜晚的雪地）可能會被錯誤地堆疊在一起，造成更大的整理困擾。

在無數次的測試與討論後，開發團隊確立了一條核心設計原則：寧可多堆疊，也不願錯漏。我們選擇了一個相對寬鬆、但經過嚴格驗證的門檻。

Synology Photos 的目標是，讓演算法找到的相似相片，在使用者眼中「有很高的機率是相關的」。使用者或許會覺得「這幾張雖然像，但我更想分開看」，但很少會覺得「這兩張相片八竿子打不著，怎麼會堆在一起？」

這個決策背後的思考是：當使用者從一個已經被初步整理好的集合中，手動剔除幾張照片所需的時間，其實會遠低於散落各處的相片中，手動找出並合併。這也是為什麼 Synology Photos 現階段只提供取消堆疊（Unstack），以及從堆疊移除（Remove from stack）的功能，而未開放手動建立堆疊的原因。

我們希望將演算法，定位為一個高效的「篩選助理」，而不是一個替你做最終決定的「老闆」。它為你完成 80% 的繁瑣工作，而那最後 20% 充滿個人偏好的整理樂趣，我們選擇完整地保留給你。

權衡二：如何在海量資料中，高效地完成比對？

定義了相似之後，下一個挑戰則回到技術面：如何在一座可能存放了數百萬張相片的數位圖書館裡，高效地完成比對工作，而不拖垮整台 NAS 的效能？試著想想看，每一張新上傳的相片，都要和資料庫裡的所有相片比對視覺指紋的話，將是一場運算災難。為此，我們設計了一套多層次的任務分配與改善機制

首先，我們為演算法的「視野」加上了限制。絕大多數的相似相片（如連拍、修圖版本）都誕生於相近的時間點。因此，無論是新上傳的相片，還是系統背景排程的比對任務，演算法都只會和拍攝時間相距在正負 24 小時內的相片進行比對。這個時間窗的設計，將比對範圍縮小了數個數量級，從源頭上避免了無謂的效能浪費。

其次，Synology Photos 充分利用了生態系中的每一分運算力。例如當你透過手機上傳相片時，利用手機本身強大的處理器，在本地預先計算好相片的 PDQ 速寫，然後再連同相片一起上傳到 NAS。這意味著，最耗費運算資源的一步，由你的手機分擔了，NAS 只需要專注於接收資料和進行指紋的資料庫比對即可。

最後，開發團隊將後端的比對與堆疊任務，無縫地整合進 DSM 核心的系統排程器中。這個設計讓 Synology Photos 的比對任務不再是單獨運作，而是成為整個系統智慧資源調度的一部分。它確保了相似度的計算不會頻繁地喚醒休眠中的硬碟，從而維持你 NAS 的節能效率。

透過這種方式，它能與其他套件的背景任務（例如 Download Station 的下載排程或 Hyper Backup 的備份排程）進行協調運作。這意味著 Photos 的整理工作會被安排在一個更合適的時機執行，避免了多個背景任務在同一時間互相競爭系統資源，從而提升了 NAS 整體的穩定性與可預測性。