Squashed 'temp-repo/' content from commit 6688605

git-subtree-dir: temp-repo
git-subtree-split: 6688605ad41f49d1eccead8d29421c658cad0100

Idées/Geographical identifier from visible mountain ranges.md

@@ -0,0 +1,68 @@
+---
+type: project
+date: 2024-01-04T18:56
+progress: idea
+---
+# En bref
+
+L'idée serait d'extraire d'une photo de paysage avec montagne la forme de la montagne puis de la retrouver sur une carte 3D pour déterminer d'où a été prise la photo.
+
+# Contexte
+
+Inspiré d'[une vidéo de GeoWizard](https://www.youtube.com/watch?v=0ZbmYh9QZgA), dans laquelle il cherche la localisation d'une phtoo prise pendant WW2 mostly à partir de la forme des montagnes qui l'entourent, en comparant avec google earth.
+
+# Techniquement
+
+J'imagine 2 manières :
+## En extrayant le profil de la montagne
+
+Juste avec une comparaison des couleurs entre le ciel et la montagne, extraire une ligne svg (pour que ça ne pèse pas lourd)
+
+![](Pasted%20image%2020240104190612.png)
+
+Puis il s'agit de comparer cette ligne à une BDD précédemment générée de N de lignes de toutes les montagnes du mondes vues de tous les angles possibles.
+
+Donc pour N points disposés en matrice sur le globe, pour N directions, générer la courbe correspondante, et la stocker sous fourme de svg.
+
+![](Pasted%20image%2020240104191205.png)
+
+Puis comparer les lignes avec les moindres carrés (possible sur des svg ?)
+
+### Avantages & inconvénients
+Avantage : simple
+Invonénient : téma la taille du stocc d'images à générer. et en plus c'est sans compter sur les différents FOV / distances focales
+
+### Optimisations
+
+- La recherche pourrait n'être faite que dans une région géographique limitée, mais alors l'outil ne marche que là..
+- La recherche pourrait n'être faire que mont par mont, alors le FOV et la parallax entre les différents monts n'importe peu. Un outil graphique permettrait de choisir 1 seul mont, puis la comparaison 3D se fait avec une liste de tous les monts. Il y a alors moins de combinaisons possibles, et s'il y a plusieurs monts sur la photo, ça peut narrow down the search.
+
+## En extrayant une depth map
+
+C'est là toute la problématique. Je ne vois qu'une approche neural network pour le faire.
+Par exemple, le site https://imageamigo.com/photodepth/ propose de le faire gratuitement, même c'est c'est approximatif :
+
+![](Pasted%20image%2020240104192014.png)
+
+Il existe peut-être des modèles plus puissants pour le faire ?
+
+Une fois la depth map extraite, un mesh 3D du terrain peut etre reconstruit et comparé à un modèle 3D issu de données topographiques.
+
+Fait en 10min sur blender :
+![](Pasted%20image%2020240104193148.png)
+
+Problèmes : la depth map est approximative, et surtout, ne connait pas la vraie valeur nuémrique de la profondeur, ce qui rend le modèle 3D tout distordu.
+
+## Concours
+
+J'imagine un concours dans leuel des participants doivent retrouver la position géographqiue (comme avec géoguessr) de photos de montagne, sauf que le challenge est qu'il y a un liste de milliers d'images, donc le seul moyen de gagner et de coder un système automatisé pour les trouver. L'organisateur prend des images libres de droit sur google earth, genre.
+
+# Conclusion
+
+Ce serait fun de faire de l'osint photo, pas pour passer des heures, mais pour jouer avec tous les outils qui doivent exister
+## Critique
+
+Concrètement, ce ceserait beaucoup d'effort pour un outil pas N utile. A voir comme un hobby project.
+
+Evidemment, au dela de la forme de la montagne, il y a aussi plein d'indices qui servent normalement à faire de l'OSINT ou jouer à geoguesser. Donc tout miser sur la forme de la montagne n'est pas N bien.
+