Oldcircle/geo-sleuth

해결하는 문제

사진에 텍스트, 표지판, 랜드마크가 없으면 사진이 촬영된 위치를 찾는 것이 일반적으로 어렵습니다. geo-sleuth는 시각적 인식 대신 기하학과 공개 지리 데이터를 AI 에이전트가 사용하도록 하여 이 문제를 해결합니다. 사진 한 장과 "이 사진이 어디서 촬영되었는지 찾아줘"와 같은 문장을 받아 카메라 위치, 바라보는 방향, 위성 증거 이미지, 신뢰 반경을 반환합니다.

작동 방식

geo-sleuth는 표준 에이전트 스킬로 패키지되어 있습니다: SKILL.md 파일과 일반 Python 스크립트입니다. 에이전트는 SKILL.md를 읽고 스크립트를 실행하며 결과를 해석합니다. 워크플로는 후보를 검색하고 순위를 매기는 20개의 단일 목적 스크립트로 구성됩니다. 예를 들어:

• 사진에서 기하학적 단서를 읽습니다: 교각 간격은 거리 자가 되고, 그림자는 방위각이 되며, 능선은 지문이 됩니다.
• OpenStreetMap(예: 철도 교량, 전력선, 가로수) 및 고도 모델에서 데이터를 가져옵니다.
• 영역을 스캔하고, 후보 지점의 고도 데이터에서 360° 지평선을 계산하고 필터링합니다.
• 사진의 스카이라인을 계산된 지평선에 맞추고, 카메라 롤을 해결하며, 상위 후보를 사진에 오버레이합니다.
• 스크립트가 후보를 순위 매기고, 모델(에이전트)이 상위 몇 개 중에서 판단합니다.
• 카메라 위치, 시야, 관련 특징이 포함된 증거 이미지와 등급별 신뢰도를 생성합니다.

SKILL.md를 읽고 셸 명령을 실행할 수 있는 모든 에이전트에서 작동합니다: Claude Code, Codex, Cursor, Gemini CLI, OpenCode, GitHub Copilot 등. README에는 세 가지 사례 연구(논과 고가도로, 사막 스카이라인, 벚꽃 거리)가 있으며 각각 2m, 100m, 3m 이내의 정확도를 보여줍니다.

대상 사용자

환경 기하학에서 사진의 위치를 찾는 능력을 AI 에이전트에 부여하려는 개발자와 연구자. 디지털 포렌식, 역사 사진 분석, 여행 기록, 또는 사진에 GPS 메타데이터가 없지만 충분한 물리적 단서가 포함된 모든 애플리케이션에 유용합니다. 또한 여러 에이전트 플랫폼에서 실행해야 하는 에이전트 도구를 구축하는 사람들을 위한 것입니다.

주요 특징

• 사진 한 장, 문장 하나: 인터페이스는 "이 사진이 어디서 촬영되었는지 찾아줘"라고 말하는 것만큼 간단합니다. 추가 엔지니어링이 필요 없습니다.
• 읽을 수 있는 텍스트 없이 작동: 번호판, 표지판, 랜드마크가 필요 없습니다. 기하학(교각 간격, 그림자, 능선)이 검색을 수행합니다.
• 추측 대신 기하학: 모든 단서는 측정 가능한 제약 조건으로 변환됩니다(교각 간격을 통한 거리 자, 그림자를 통한 방위각, 능선을 통한 지문).
• 스크립트가 순위를 매기고 모델이 판단: 20개의 단일 목적 스크립트가 검색, 점수 매기기, 정렬을 수행하고 AI 에이전트가 상위 몇 개 중에서 선택하여 신뢰성을 향상시킵니다.
• 모든 주장은 파일을 가리킵니다: 각 결론은 명령과 출력 파일을 지정하여 프로세스를 투명하고 검증 가능하게 만듭니다.
• 크로스 에이전트 호환성: 표준 에이전트 스킬은 Claude Code, Codex, Cursor, Gemini CLI, OpenCode, GitHub Copilot 등에서 작동합니다.
• 답변에는 오류 반경이 포함됩니다: 좌표 ± 반경, 카메라 방향, 증거 이미지, 등급별 신뢰도가 반환됩니다.