Таск поступил от пользователя @Pontipilatii.

Дом довольно хорошо сохранился, видимо делали ремонт. Может быть это какой-то памятник или раньше там жил знаменитый человек. Начинаю как обычно с линзы. Линза нашла несколько похожих вариантов, но все они были в разных частях России. Ниже несколько вариантов, какие-то похожи больше, какие-то меньше.

В общем, даже с регионом ничего не вышло, надо было зайти с другой стороны.

Я решил присмотреться к автору таска, так как подумал, что он лично связан с этой фотографией. В его профиле телеграм указаны имя и фото. Фото я загнал в глазки Пима, и он мне выдал другое фото, которое затем прогнал через яндекс.

Яндекс подтвердил личность, а также нашёл поездку Кирилла из Челябинска в Озерск (Челябинской области) на сервисе поиска попутчиков.

В общем, стало понятно, что надо искать в Челябинской области. Но как найти иголку в стоге сена, было не понятно.

Нужно было найти сервис, который публикует параметры домов. Я знал, что паспорта домов точно есть в ГИС ЖКХ, но собирать данные с госсайта так себе идея. Поэтому я нашёл другой сайт, который уже собрал все данные ГИС ЖКХ и не только — codificator.ru.

Вот пример карточки дома с этого сайта.

Я собрал все двухэтажные дома Челябинской области в таблицу, чтобы можно было фильтровать по любым параметрам. Получилось 6183 дома. Опытным путём выяснил, что форма крыши не всегда указана верно в паспорте. Форма крыши искомого дома вальмовая, но часто такие крыши обозначались как двускатные или скатные. Материал кровли указан не всегда, и я не был уверен в материале, хотя похоже на шифер.

В итоге я выбрал такие параметры для фильтрации: больше 1 подъезда, деревянные стены, обшитые окрашенной доской, исключил аварийные дома. На всякий случай включил дома, для которых не было сведений по тому или иному параметру. В итоге получилось 68 домов, 53 из которых в Озерске.

Ну раз звёзды сошлись: автор ехал в Озерск и подходящих домов тут больше всего, надо искать в Озерске.

Со спутника можно было легко узнать форму крыши, но панорам в Озерске нет, вероятно потому, что это ЗАТО. В советское время его вообще не было на карте, тогда он назывался Челябинск-40, и там производили оружейный плутоний.

В Озерске сохранились целые улицы подобных домов.

Поэтому надо обращать внимание и на форму дороги рядом с домом. Примерный план, который я искал со спутника.

Нужный дом по адресу ул. Матросова, д. 4А оказался рядом с местным храмом, а снимали с церковной парковки. Правда я поторопился написать ответ и не совсем верно определил место съемки, поэтому попробую сейчас вычислить его. Сначала проведу линии пересечения планов. Слева столб и вершина элемента крыши находятся в одной плоскости, справа другой столб и край здания почти касаются друг друга.

Строю такие же линии на спутниковом снимке, точка их пересечения и будет местом съемки.

А фотографий дома я так и не нашёл, только небольшой кусочек в видео с дрона.

Чисто академический таск получился, но это потому, что повезло с линзой. Без линзы было бы посложнее.

Надо выправить и откорректировать схему движения транспорта, чтобы загнать в линзу.

В линзе выделяем схему дневных маршрутов и получаем первым результатом крайне похожее совпадение.

Схема транспорта Магдебурга открывается по ссылке https://transphoto.org/photo/1913494/, там совмещенная схема трамвая и автобуса, поэтому это остановка может быть любой из них.

Вдалеке видно стелу заправочной станции голубого цвета.

Погуглим на немецком tankstelle blaue, чтобы найти АЗС похожей расцветки.

Гугл сразу предлагает АЗС Aral, не удивительно, ведь они самые популярные в Германии. Но похожа ли их стела на нашу, поищем стелу Aral.

Дальше можно тупо зайти на карту и поискать АЗС Aral в Магдебурге, но представим, что в реальной задаче объектов будет несколько сотен, и применим overpass.

area[name=Magdeburg]->.a;
nw[amenity=fuel][brand=Aral](area.a)->.fuel;

(
  nw[highway=bus_stop](around.fuel:300);
  nw[railway=tram_stop](around.fuel:300);
)->.stop;

.stop out center;

nw.fuel(around.stop:300);
out geom;

{{style:
  node[amenity=fuel],
  way[amenity=fuel]
  { color:blue; fill-color:blue; }
  node[highway=bus_stop],
  way[highway=bus_stop]
  { color:green; fill-color:green; }
  node[railway=tram_stop],
  way[railway=tram_stop]
  { color:green; fill-color:green; }
}}

Я подсветил разным цветом заправки и остановки в радиусе 300 метров от них, чтобы можно было сразу отсеять те, что расположены не в прямой видимости или слишком близко.

При детальном рассмотрении подошли 2 варианта, один из них оказался верным.

Ну и раз таск академический, делаем подробную визуализацию, обозначаем все совпадения.

Первым делом отрезаю всё лишнее, чтобы покормить линзу, чем чёрт не шутит.

Линза подсказала, что это Греция, хотя я и так догадывался, но источник фото или место не нашла.

Изучаю детали на исходном фото.

Солнечные панели должны быть направлены плюс-минус на юг. Убеждаюсь в направлении, изучив случайные дома в Греции.

Значит на юге/юго-западе небольшой залив или пролив, а за ним гора. Видно только небольшой кусочек контура горы в правом верхнем углу, и какой-то странный разрыв, возможно узкий участок без деревьев. Также чуть левее видно большой лысый участок. Слева от столба виднеется кусочек моря и что-то вроде обрыва.

Впереди мы не видим других домов, хотя съемка с высоты, значит либо дом рядом с водой, либо на возвышенности. Между домами узко, хороший асфальт, это точно не деревня, какой-то город.

С таким исходным данными иду в Google Earth, чтобы найти гору. Обхожу всё побережье, подходящих вариантов не так много. Вот один неплохой кандидат в Волосе, но гора не сходится.

Наконец нахожу похожую гору рядом с Афинами в порту Перама, думаю и почему я не начал сразу с них 😡.

Участок слева, который я считал обрывом, оказался косой, но ракурс немного другой. Спущусь чуть ниже и сделаю совмещение кадров.

Да, точно всё сходится, и даже город на горе, поэтому не видно домов впереди.

Для определения точного ракурса не хватает ориентиров, поэтому нахожу спутниковые снимки получше и ищу крышу с двумя «скворечниками» и солнечными панелями на северо-восточном углу. Удивительно, но пока искал, «скворечники» такой конфигурации в других местах не встретил. Отсюда даже видны растения в горшках.

Для верификации смотрю панорамы, нет сомнений, это наше место.

А вот и балкон автора снимка с розой.

Дополнительное задание

Вот, дополнительная задача. Тесно связан с этим местом.

Ну раз тесно связан, значит в этом городе, хотя это лишь предположение. Хорошо, что есть номер авто. Пробиваем владельца, он наверняка живёт поблизости. Ладно, шучу. Смотрю формат номера, в Греции первые 2 буквы указывают на регион: ΥΝ - Piraeus prefecture, Перама как раз входит в эту префектуру, ничего не остаётся, как искать в Пераме.

Измеряю уклон, он довольно крутой 15-20%. Делаю две плоскости с разницей высот 15 метров, измеряю ширину полосы разрезов (при ширине 100 метров, уклон будет 15%). Видно, что уклон больше в восточной части города. Но в целом везде могут быть такие крутые участки.

Начинаю обход по стритвью с восточной части только дорог, проходящих с юга на север, так как основной подъем в этом направлении. Обращаю внимание на левую сторону улицы, ищу деревянный столб с железной трубой, так как в городе их довольно мало, в основном на окраине. Этот ориентир видно издалека, гораздо лучше чем дом. Довольно быстро пройдя весь город и не найдя нужный дом, решаю проверить небольшие поперечные улицы рядом с первой точкой. И таки да, на одной из них оказывается нужный дом.

Теперь понятно, почему тема с уклоном не сработала, он просто оказался неравномерным на этой улице, дом был как раз на резком подъеме.

Первый делом проверил линзу, ничего полезного не нашёл. Потом удалил девушку с фото, так как гугл не любит искать людей, это тоже не помогло.

Попробовал найти девушку через сервисы поиска по лицу, но и это не сработало. Как оказалось, и не могло сработать, так как @blackosinter сгенерил девушке новое лицо.

Легкие пути не прокатили, надо искать по классике.

Изучим табличку, очевидно, это информация о парковке. 100 rsd — RSD код сербских динаров. Гуглю короткий номер по запросу "9112" serbia.

На сайте https://www.parking-servis.co.rs/eng/placanje-po-satu нахожу, что это жёлтая зона парковки в Белграде.

Там же есть карта зон.

Жёлтая зона не очень большая, можно обойти вручную. Для удобства переношу контур на Google Earth.

Обращаю внимание на уклон дороги, он довольно сильный.

Чтобы лучше видеть рельф, рисую еще один полигон и выставляю ему абсолютную высоту опытным путём, в данном случае получилось 100м.

Полигон прорисовывается, если высота местности под ним 100м или меньше, то есть получается разрез.

Теперь понятно, какие улицы нужно обходить (обозначил схематично линиями), и на какую сторону улицы обращать внимание, чтобы подъем был слева направо.

Гугл давно не обновлял панорамы в Белграде, в Яндексе были свежее. Но и дом не похож на современный, поэтому я решил, что удобней делать обход в гугле.

Начал с северной части, после прохода улицы отмечал её путь, чтобы не запутаться.

И довольно быстро наткнулся на очень похожее место.

Это было что-то вроде дежавю, место выглядело совсем иначе, но как будто всё было знакомо. Решётка на окне, столбики, тротуарная плитка, конфигурация фасада, плющ, столбик парковки.

Для верификации обратился к панорамам на яндексе, там уже было всё как на фото.

Загнал в линзу чудика слева со словом delic в кавычках для точности. Гугл должен быть на английском. Вообще по-разному сначала пробовал, и этот вариант дал результат.

Нашлись похожие чудики, а с ними инста автора Nög Delic – @oficialnogdelic.

По нику автора нашёл пост, в котором упоминалось его граффити https://averequete.blogspot.com/2020/11/tapume-nog-delic-ikiru-telma-lopes.html, cнизу есть тег с городом São Luís.

В инсте нашёл пост пятилетней давности с нашим местом https://www.instagram.com/p/B6atQ4WgLF7/. Локация не обозначена, но данных для поиска прибавилось.

В исходнике поста нашёл точное время, когда он выложен.

Дальше линза оказалась бессильна, но не беда. Изучив соседние посты, выложенные в ту же дату, я предположил, что автор снимает и сразу выкладывает, поэтому время поста можно примерно считать временем съемки.

Выставляю время в SunCalc, чтобы прикинуть как падала тень.

Дорога расположена перпендикулярно тени от столба, а здания на северной стороне дороги. Кроме того, дорога достаточно широкая, и не видно красных крыш, которые там повсюду.

Это была какая-то окраина или промзона, так что оставалось изучить город со спутника. И я сделал допущение, что это должно быть рядом с центральным районом, ведь автор явно хочет популярности, ему нужен большой охват. В Google Earth для São Luís был 3D вид, так что можно было даже не переходить в Street View.

Нужное место нашлось на удивление быстро, минут за 10, повезло.

Фотография подозрительно напомнила стритвью, хотя водяных знаков гугла найти не удалось. Местность похожа на США, судя по пальмам, где-то в южном штате. Единственное, что необычно - голубой указатель названия дороги. В США обычно зелёные указатели.

Внимание привлекла мачта светофоров. Побродив по южным штатам, нашёл нечто похожее в Калифорнии, даже указатели синие.

Но там мачты совмещены с фонарём, поэтому надо искать дальше. Поискал мачту линзой и нашёл пост на реддите.

Вот он https://www.reddit.com/r/mildlyinteresting/comments/8w6yjy/weve_had_a_tropical_storm_and_the_tops_of_the/

А там ссылка на фото и указание, что фото было сделано на Гуаме.

Погулял по Гуаму, мачты прямо такие, но на них вообще нет указателей улиц.

Гуам находится в архипелаге Марианских островов, все они являются территорией США. Решил проверить другие острова архипелага. Стритвью было только на острове Сайпан, втором по численности населения после Гуама.

И на Сайпане я нашёл матчы с синими указателями, прямо как в задании.

Остров небольшой, можно было бы поискать руками. Но я это не люблю, а люблю автоматизацию. Поэтому написал скрипт для overpass, который приведу полностью ниже.

// Ищем на Северных Марианских островах (все кроме Гуама)
area[name="Northern Mariana Islands"]->.a;

// Это дорога, которая примыкает слева, раз сделали светофор, 
// она вероятно не локальная.
way[highway~"^(trunk|primary|secondary|tertiary)$"](area.a)->.left_ways;

// Перебираем найденные дороги.
foreach.left_ways->.left_way{
  // Берём конечные узлы, чтобы нашлись в основном Т-образные перекрёстки.
  (
    node(w.left_way:1,1);
    node(w.left_way:1,-1);
  )->.left_way_end;
  
  // На перекрёстке ищем светофор
  node[highway=traffic_signals](around.left_way_end:10)->.sig;
  // и отбираем только перекрёстки со светофором.
  node.left_way_end(around.sig:10)->.left_way_end;
  
  // Это дорога, примыкающая справа, там где знак STOP, 
  // метров 200 до неё не больше. Она как раз локальная.
  way[highway~"^(residential|unclassified|service)$"](around.left_way_end:200)->.right_ways;

  // Также берём её конечные узлы (Т-образные перекрёстки).
  (
    node(w.right_ways:1,1);
    node(w.right_ways:1,-1);
  )->.right_ways_end;
  
  // Ищем связанные перекрёстком дороги с первой
  way(bn.left_way_end)->.left_linked_ways;
  // и со второй дорогами.
  way(bn.right_ways_end)->.right_linked_ways;
  // Берём пересечение найденных дорог, так как это должна быть одна и
  // та же дорога, она не локальная, но и не выделенная трасса (motorway).
  // Односторонняя, так как потоки разделены.
  way.left_linked_ways.right_linked_ways[highway~"^(trunk|primary|secondary|tertiary)$"][oneway=yes]->.linked_ways;

  // И показываем искомый перекрёсток на карте.
  node(w.linked_ways)->.linked_ways_nodes;
  node.linked_ways_nodes.left_way_end;
  out;
}

Скрипт выдал несколько точек, все на о. Сайпан, которые легко было проверить руками. Одна из них была искомой.

А фотография действительно оказалась скрином стритвью.

• Location Predictor
• Plonk
• ChatGPT
• Image Locator
• Photo Locator
• GeoGuessr GPT
• Бенчмарки

Эту статью я решил написать в связи с тем, что два популярных сервиса для геолокации по фотографии стали доступны только по приглашению. Я говорю о GeoSpy и GeoEstimation.

Думаю, каждый геоинтер пользовался подобными сервисами для первичного анализа изображения, когда не понятно, в каком регионе начинать поиски.

Я не буду останавливаться на сервисах EarthKit и Picarta, которые и так уже по 10 раз перепостили разные тематические каналы. Их всё ещё можно использовать бесплатно, но неизвестно надолго ли это, учитывая последнюю тенденцию.

За последние годы придумали немало методов обучения нейросетевых моделей для геолокации. На arxiv.org можно найти научные статьи по этой теме. К сожалению, не все авторы статей делятся обученными моделями и сервисами на основе них. Я расскажу о малоизвестных сервисах геолокации, которые мне удалось отыскать.

Location Predictor

by Yunus Serhat Bıçakçı

https://huggingface.co/spaces/yunusserhat/Location_Predictor

В этом сервисе можно использовать 3 разных модели: StreetCLIP, GeoCLIP и OSV-5M Baseline. Загружаем фотографию, получаем результат. Покажу, что мы получаем при использовании каждой модели.

Только две модели показывают координаты, StreetCLIP в этой реализации выдаёт только страну.

Нанесём на карту найденные координаты. У обоих моделей ошибка около 100км, что вполне нормально для них.

У того же автора есть еще один сервис на основе модели OSV-5M Baseline.

https://huggingface.co/spaces/yunusserhat/guesstimatelocation

Ему можно скормить не только картинку, но и страницу сайта, с которой он возьмёт текст, выкачает картинки и предложит выбрать фото для анализа. Так как используется та же самая модель, что и в предыдущем сервисе, то и результаты отличаться не будут.

Plonk

by Nicolas Dufour

https://huggingface.co/spaces/nicolas-dufour/Plonk

Сервис Plonk также предлагает для поиска 3 модели. Отличаются они набором данных, на котором были обучены. PLONK_iNaturalist обучена на наборе iNat-21, который содержит 2.7 миллиона снимков животных, растений и других форм жизни. PLONK_YFCC обучена на наборе YFCC-100M, в котором около 100 миллионов фотографий из разных источников. PLONK_OSV_5M обучена на наборе OSV-5M, содержащем 5.1 миллиона фотографий улиц от сервиса Mapillary. Как можно догадаться, модель OSV-5M Baseline, которая используется в предыдущем сервисе, была создана авторами этого набора. Но здесь другая модель, и хоть она и использует тот же набор данных для обучения, результаты работы могут отличаться.

Очевидно, модель PLONK_iNaturalist нам не особо полезна, поэтому проверим работу двух оставшихся моделях.

В этом сервисе можно задать параметр Number of samples - количество результатов, которые выдаёт модель , а также параметр Guidance scale, который по сути задаёт строгость при прогнозировании этих результатов. Чем больше этот параметр, тем кучнее получаются точки. Мне понравилась выдача при значении 0.5.

Обе модели попали в радиус 50км от места фото, что довольно хорошо. Но не факт, что такие же результаты будут на других исходных данных.

ChatGPT

by OpenAI

ChatGPT позволяет создавать свои надстройки, которые называются GPTs. По сути это дополнительные инструкции для бота, что выдать юзеру на его запрос. Для использования нужна регистрация, платная версия не нужна. Всем им я послал ту же самую фотографию, что использовал до этого. Ниже привожу ответы этих GPTs для сравнения.

Image Locator

https://chatgpt.com/g/g-wx1eLTbGL-image-locator

This image depicts a sunny street scene with notable elements such as a pedestrian area, trees, a painted curb, and some residential or commercial buildings in the background. Based on visual clues, here is an analysis of the possible location:

Observations:

1. Curb and Road Design:
• The yellow and black curb painting is typical in many parts of India, often used for pedestrian safety and demarcation.
• The road looks newly paved, which could suggest urban development.
2. People and Clothing:
• The attire, particularly the sari worn by one of the pedestrians, is traditional Indian clothing, confirming this is likely in India.
3. Background Details:
• The gated area appears to be a public space, such as a park or community center, with open red fencing and orange accents, a common aesthetic for public areas in smaller Indian cities.
• The multi-story buildings in the background are typical of Indian suburban or semi-urban residential architecture.
4. Vegetation:
• The trees and landscaping reflect a tropical or subtropical climate, consistent with much of India's geography.
5. Signage:
• Although blurry, there is a sign in the background written in English and possibly another Indian language, supporting the likelihood of an Indian location.

Likely Locations:

Based on these clues, the most probable locations are urban or semi-urban areas in India with growing infrastructure:

1. Pune, Maharashtra:
• The combination of greenery, modern infrastructure, and semi-urban architecture fits well with areas on Pune's outskirts.
2. Navi Mumbai, Maharashtra:
• A planned urban area with a mix of modern and traditional Indian design. The organized road and park setup align with Navi Mumbai's development style.
3. Bangalore, Karnataka:
• Bangalore's suburban areas often have similar community parks and a mix of modern roads with traditional influences.
4. Hyderabad, Telangana:
• Similar architectural and urban designs can be seen in Hyderabad's growing residential neighborhoods.
5. Nagpur, Maharashtra:
• As a city undergoing rapid urbanization, the infrastructure and environment here could match the scene.

Conclusion:

This scene is most likely in a semi-urban or suburban area of Maharashtra or South India. Without further signage or distinct landmarks, Pune or Navi Mumbai are top guesses due to their blend of traditional and modern elements.

Photo Locator

https://chatgpt.com/g/g-TOADOq5ud-photo-locator

This photo seems to depict a typical urban street scene in an Indian city. Here are some details about the location:

• Surroundings: There’s a paved road in the foreground with black-and-yellow safety markings, commonly seen on Indian streets to demarcate edges or medians. The area appears clean and organized.
• Landmarks: On the opposite side of the road, there’s a red gate and a small park or open area surrounded by trees. The park has seating areas with decorative railings, which suggest it’s a public space meant for community use or relaxation.
• Buildings: In the background, there are multi-story residential apartments with a simple design, typical of mid-tier urban housing in India. The layout suggests a neighborhood setting.
• Activity: Pedestrians walking, including a woman in a pink saree and others in casual attire, indicate everyday movement. A white car parked along the road suggests light traffic.
• Climate: The sunlight and clear skies suggest a warm day, possibly in late morning or afternoon.

This scene feels like it could be from a quieter neighborhood or suburban area in a city like Pune, Hyderabad, or Bengaluru. If you’re familiar with the area or need help pinpointing it further, feel free to share more details! 😊

GeoGuessr GPT

https://chatgpt.com/g/g-brlHi7t2R-geoguessr-gpt

This image provides some clear geographical and infrastructural clues. Here's my reasoning:

1. Road Markings: The black-and-yellow curb painting is characteristic of Indian roads, often used in urban or suburban areas for delineating medians or roadside barriers.
2. Vehicles and Infrastructure: The white hatchback and general traffic patterns resemble common vehicles in India. The license plate appears to be in the format typically used in the country, although the text is not legible.
3. Environment: The trees, weather, and light suggest a warm, tropical climate, likely in southern or central India.
4. Buildings and People: The buildings in the background appear as mid-rise apartments common in urbanized Indian areas. Additionally, the woman in traditional attire (a sari) points towards India.
5. Urban Landscaping: The red-and-yellow painted public park area, along with the surrounding cleanliness and planning, is common in medium-sized cities or well-maintained urban neighborhoods in India.

Final Guess:

This location is likely Pune, Maharashtra, India, near a suburban or residential park. Approximate coordinates: 18.5204° N, 73.8567° E.

Ожидаемо они выдали одинаковый результат, причём он практически совпал с результатом модели OSV-5M Baseline. Только Image Locator предложил несколько вариантов, а второй вариант оказался ближе к искомому месту.

Бенчмарки

https://paperswithcode.com/task/photo-geolocation-estimation

По ссылке можно найти результаты тестов моделей на различных датасетах. А также научные статьи и исходники для некоторых моделей. Здесь я приведу таблицу сравнения моделей на датасете Im2GPS3k, который содержит 3000 фотографий из разных мест. Модели base и ISNs относятся к работе создателей GeoEstimation.

Можно видеть, что топовые модели могут попасть в окрестности города только в 35% случаев, а регион определяют в 50%. Примерно таких показателей стоит ожидать от всех подобных сервисов на текущий момент. Так что геоинтерский хлеб пока что в безопасности.

Up The Creek

That's a meandering river!

Gazing out of an airplane window gives you a unique perspective on the world. In this case, it's a view of a meandering river! Different aircraft fly at different altitudes, but this small plane was high enough to capture the river's winding path.

What is the name of the river in the photograph? (don't include "River" in your answer)

Опять линзатаск.

Два результата в топе с похожей рекой. Первый - фермерская ассоциацию Sno-Valley Tilth, второй - ферма Local Roots Farm. Ищем на карте Local Roots Farm и попадаем на нужный нам участок реки Snoqualmie. Сравним фотографию с видом гугла.

Ответ: Snoqualmie

Hot Stuff

Who's fighting this wildfire?

Names change! In open source research it's often useful to find up to date information about the names or designations of people, places and things. The large number identifying this helicopter has been changed since this photo was taken. Can you find its new number?

As of July 2024, what is the tail number and large number of this helicopter? (Use the format TAILNUMBER-LARGENUMBER, i.e AB-CDE-99)

Линзим вертолёт и находим его на planespotters.net - сайт посвящен фотографиям летательных аппаратов.

https://www.planespotters.net/photos/reg/EC-MQR

Оттуда мы узнаём его бортовой номер EC-MQR и находим последнюю фотографию с новым локальным номером 11.

Фотография сделана 11 июля 2024 года и написано, что номер поменялся с 21 на 11.

Ответ: EC-MQR-11

Alpine Adventure

Would you take the plunge?

Sometimes you just need to escape it all. This mountain lake is a perfect place to relax and enjoy the view.

What is the name of this body of water?

Снова используем линзу, которая выдаёт очень много фотографии из этого же места.

Это Sprague Lake в национальном парке Rocky Mountain. Вот некоторые фотографии этого места.

Найдём это место на карте. Панорамы старые 2015 года, но всё же сходство есть.

В этом месте из озера вытекает какой-то ручей, над ним построили мостик.

Тем не менее, ответ Sprague Lake не подходит, так как авторы решили, что это Bear Lake, выяснить это удалось путём подбора. В ошибке можно убедиться, стоит лишь взглянуть на панораму этого озера, абсолютно другой вид.

Ответ: Sprague Lake

Pet the Cat

Are you feline lucky?

Hello, cat.

In what town does the cat reside?

Линзим кусок фотки со зданием и находим старую фотку этого здания на фликере.

https://www.flickr.com/photos/kellyg_25/11598850393/in/photostream/

Узнаём, что здание находится в Черногории, а если полистать другие фотографии автора, то найдём фотографию отеля Marija, который расположен в городе Котор.

https://www.flickr.com/photos/kellyg_25/11598855873/in/photostream/

Чтобы определить точную локацию, загружаем фото из фликера обратно в линзу, и она узнаёт это здание - Palace of Drago Family.

И наконец находим на карте панораму на которой видно оба здания и определяем направление съемки.

Ответ: Kotor

Two Tired

This is exhaust-ing!

Jake parked his motorbike in the middle of nowhere to take a photo of the beautiful landscape. He was too tired to continue riding, so he decided to camp for the night.

What is the name of the camping area nearest to this location?

Убираем мотоцикл, чтобы не мешал и тщательно осматриваем результаты линзы на предмет похожих гор. Рандомные горы всегда сложно искать, особенно если линза про них не знает. К счастью, я увидел что-то похожее и решил изучить статью подробнее.

https://www.unpneuplusloin.com/en/canada-yukon-tno-soleil-de-minuit-cercle-polaire-et-ocean-arctique-sur-la-dempster-highway/

Из статьи следовало, что это место находится в Tombstone Park рядом с Dempster Highway, Canada. Прогуляемся в стритвью по этой трассе рядом с парком, чтобы найти такой же вид.

Чуть дальше по трассе находим кемпинг Tombstone Campground, на фотографии его закрывает мотоцикл.

Ответ: Tombstone Campground

Name that street!

Time to explore the city!

There are plenty of areas to walk in cities around the world, and this street is one of them. But where is it?

What is the name of this street?

Тут много вывесок, есть за что зацепиться. Я искал JP STOFFE.

На карте нашлось 3 заведения с таким названием.

Искомое оказалось во Франкфурте на улице Stiftstraße 22.

Вывеска сменилась и обстановка немного поменялась, но в целом узнаваемо.

Ответ: Stiftstraße

What a Dump!

Looking for treasure?

Sometimes the most interesting things are found in the most unexpected places...

... but sometimes those places are full of trash. This dumpster is in an alley somewhere, but where?

Where was the photographer standing when they took this photo? Use latitude and longitude in decimal format with three decimals (12.345, -67.890).

Тут пришлось немного побегать по карте. Сначала загружаем фотку в линзу и внимательно смотрим на выдачу.

Видно похожий мостик и разруху. Рассмотрим пост поближе и сравним с оригинальным фото.

https://lmnophotos.com/post/122583592533/walking-with-dominic-around-the-neighborhood

Действительно место то же, но фото сделано с другой стороны от моста. Подпись автора к фотографии: Walking with Dominic around the neighborhood, то есть он сделал это фото рядом со своим домом.

По ссылке на фотке можно перейти в инсту автора, в ней много фоток с сыном, видимо это и есть Доминик.

https://www.instagram.com/lmnophotos/

Полистав другие посты в инсте близкие по дате, нашёл пост с примерным адресом: Florida Ave, NE.

https://www.instagram.com/lmnophotos/p/6Iar6KzOYL/

Гугл нашёл эту улицу в Вашингтоне и дом легко нашёлся на ней.

Ещё один пост с подписью Sky looking good tonight намекал на то, что где-то рядом живёт автор.

https://www.instagram.com/lmnophotos/p/5yAE6WzOX4/

Я решил поискать дома в жилых кварталах рядом с предыдущей фоткой, обходя улицу за улицей я нашёл эти дома. Моё предположение оправдалось, оставалось найти подворотню где-то рядом.

У частных домов в том районе обычно присутствует задний двор с забором. И проезд между задних дворов выглядит совсем не так.

В нашем случае это больше похоже на коммерческие здания без задних дворов. Значит нужно искать улицу, которая проходит между таких зданий. Гугл подсвечивает такие здания жёлтным цветом, поэтому без труда можно найти скопления. А вот и наша подворотня, как раз между жёлтных домиков.

Вот как выглядят на карте найденные мною точки.

Ответ: 38.910,-76.998

Highway to the Unknown

Speeding down the road!

A car’s moving quickly along a highway, luckily there are some visible structures in the rear-view mirror and on the road-side to help you with your geolocation.

The prominent building bears the name of a person, what is that name?

Для начала определим объекты, которые можно опознать.

• Дом с довольно плоской крышей.
• Маленькая постройка перед домом.
• Водонапорная башня или что-то похожее за домом.
• Парковка слева.
• Солнечная панель.
• Левостороннее движение, либо скоростная трасса с дублёром.
• Мост через трассу похож на пешеходный, видно лестницу слева.
• Холм вдалеке за мостом.
• Номер машины не разобрать, но он довольно широкий и в левом верхнем углу еле видно цветной прямоугольник.

Воспользуемся geospy, чтобы предположить страну.

Проверим, насколько это верное предположение. Сначала найдём номера Нигерии.

В левом верхнем углу есть флаг и формат номера похож, он более широкий.

Теперь поищем характерные для Нигерии крыши.

Видно, что приплюснутые крыши довольно популярны в Нигерии.

Еще можно поискать перешеходный мост над трассой и сравнить с нашим.

Мост очень похож, такое же огражение и солнечная панель рядом с лестницей похожа на то, что торчит на нашем мосту.

Со страной определились, движение там правостороннее, значит это скоростная трасса с дублёром.

Составим запрос в оверпассе для поиска пешеходных мостов над трассами.

area["name:en"="Nigeria"]->.a;
wr[highway~"motorway|primary"][!bridge](area.a);
way[bridge][highway~"footway|path"](around:0);
out geom;

Всего нашлось 95 точек, в основном в Lagos и Abuja. Но в Lagos довольно плоский рельеф, а у нас видно холм или гору. Так что будет проверять Abuja, тем более geospy на неё указал.

Дом нашёлся в точке, указанной стрелкой.

На карте дом обозначен как Daughters of Abraham Foundation.

Но если посмотреть фотографии, видно, что он имеет название Julie Useni Hall.

Ответ: Julie Useni

Foul Play

Watch out!

This is what it looks like to be on the receiving end of a foul ball at a baseball game. Be careful out there! But who is responsible for this hit?

What is the name of the batter?

Для анализа лучше скачать видео в максимальном качестве и изучать покадрово.

Видим рекламу, которая указывает на хозяев матча - Toronto Blue Jays. Обычно они проводят матчи в Rogers Centre.

Гуглим, кто такой 31 Deloach, и находим участника команды соперника - Chicago White Sox.

Можно было бы сразу отправить этот ответ, очевидно его имя на табло не случайно, и в данный момент именно он бэттер.

Но попробуем найти видео с этим ударом и выяснить, кто же питчер. Обратим внимание на форму игроков, они меняют её в разных играх, поэтому сочетание формы двух команд поможет найти игру. Blue Jays полностью в голубом цвете, White Sox - черный верх, белый низ.

Находим расписание игр Blue Jays @ White Sox, начнём с последних игр.

https://www.mlb.com/bluejays/schedule/2024-05

Совпадение по униформе есть только в одной игре 22 мая. Находим полное видео этой игры https://vkvideo.ru/video215580809_456246006.

Момент удара на 2:16:15 можно верифицировать по проходящему человеку.

Питчер Nate Pearson, бэттер Zach DeLoach.

Ответ: Zach DeLoach

On The Metro

Where you headed?

Watching the metro go past. Where is the photographer, what is the line, and where is the train heading?

What is the destination station for this train?

Отправляем фото в линзу и находим фото похожего поезда пражского метро.

Обратим внимание на естественный свет на станции, то есть станция находится на поверхности. В списке станций метро Праги находим станцию на поверхности, которая называется Hůrka.

https://en.wikipedia.org/wiki/List_of_Prague_Metro_stations

На гугл карте можно найти панораму, на которой видны идентичные предупреждающие наклейки. Окна, от которых исходит свет, расположены на противоположной стене.

Переходим в стритвью и находим эти окна, получается поезд движется на запад.

Направление поезда показано стрелкой.

Конечная станция этой ветки Zličín.

Ответ: Zličín

Fully Stocked

Ship shape and ready to get underway.

Container vessels are a common sight in ports around the world, but this one is particularly well-stocked. They're a vital part of the global supply chain, but where is this one moored?

In which city would you find this port?

Видим на кране часть надписи RDKAI и вбиваем в поиск изображений RDKAI port.

По одной из ссылок находим полное название - terminal Burchardkai, расположенный в Гамбурге.

https://www.hafen-hamburg.de/en/press/news/port-of-hamburg-achieves-best-ever-throughput-in-2014-33774/

Ответ: Hamburg

Operation Fleet Finder

These naval ships all look the same!

Here are a handful of naval ships moored together, but grey is the only colour in sight. They all look the same! Can you help identify them?

What is the MMSI number for the left-most ship?

Загуглив по картинке выясняем, что это американский авианосец. Поэтому находим список авианосцев США с фотографиями и играем в игру найди 10 отличий. В основном надо сравнивать мачты, они чем-то да отличаются.

https://en.wikipedia.org/wiki/List_of_aircraft_carriers_of_the_United_States_Navy

Подходящим оказался только USS George H.W. Bush.

На той же вики находим MMSI number.

Ответ: 369970663

Cyrillic Confusion

Not all Logs are Yuletide. Not all Pilots are Captains.

In November 2024, two underwater data cables in the Baltic Sea experienced faults, disrupting communications between European nations and igniting suspicions of sabotage. A Chinese cargo vessel, the YUI PENG 3, quickly became a focus for both investigators and the online open source research community. Some mistakenly suggested that this port log showed the vessel's captain was a Russian citizen (they confused a temporary harbor pilot with the ship's captain). But a key question emerged: could the authenticity of the log be verified?

What is the original URL for this log? (don't include the "http://" or "https://")

Название таска даёт подсказку, надо искать на кириллице. Ищем УМАР3 Ларенков С.В. и тут же находим оригинал.

https://skap.pasp.ru/Move/InOutMoveList/165759?harb=UL

Ответ: skap.pasp.ru/Move/InOutMoveList/165759?harb=UL

Clouded Perception

Can we trust our eyes?

A gorgeous lake hides a secret. This serene lake is a beautiful sight, but something is off: this image has been manipulated. What should we do if an image is altered, either by hand or with AI?

What is the 6 digit number hidden in the image?

В EXIF много инфы, но ничего полезного не обнаружилось. Различные преобразования цветов тоже не дали результата. Значит была использована стеганография, но не понятно какая. Перепробовав несколько утилит, результата я так и не добился и забросил это задание на некоторое время.

Когда вернулся к заданию и перечитал описание, понял, что нам дали подсказку. Дважды акценитировали на том, что изображение было изменено. А если jpeg изображение изменили, это будет видно по артефактам разных уровней сжатия. Для этого существует технология Error Level Analysis.

Forensically - отличная онлайн утилита для форензик анализа, включает в том числе ELA https://29a.ch/photo-forensics/#error-level-analysis

Загружаем туда нашу картинку и подбираем качество оригинальной картинки, чтобы увидеть возможные изменения в ней. На уровне 73 появились числа, которые нам нужно было найти.

Ответ: 428309

Synoptic Code

Dash it all! What's the message?

This is a morse code transmission received on the 13th October 2024. The sender is thought to be the Yelnya, a Russian ship operating on the Black Sea

.-. -.-. ...- / -.. . / ..- -.-. - .- ..... / .---- ...-- .---- ---.. .---- 
/----. ----. ...-- ....- ..... / .---- ----- ...-- ....- -.... / ....- .----
-.... ----. ---.. / ...-- ..--- ....- ----- ..... / .---- ----- ..--- ---.. 
----- / ....- ----- .---- ..--- ----- / ..... ....- ----- ----- ----- /
--... ----- ..--- ----- ----- / ---.. ...-- ..... ----- ----- / ..--- ..--- 
..--- ..... ..--- / ----- ----- ..--- ---.. ----- / .---- ...-- ----- .---- 
..--- / -... - / .- .-. / ..- -.-. - .- ..... / -.

Can you decode the message?

What was the reported air temperature in degrees Celsius? (give your answer to one decimal place i.e. "12.3")

Переводим морзе в символы

RCV DE UCTA5 13181 99345 10346 41698 32405 10280 40120 54000 70200 83500 22252 00280 13012 BT AR UCTA5 N

и гуглим начало сообщения RCV DE UCTA5, находим пост в твиттере с похожим сообщением.

https://x.com/te3ej/status/1868721504957218897

Откуда узнаём, что это Russian Navy Morse code weather. Гуглим дальше по этому названию и натыкаемся на пост, где объясняется, как кодируется это сообщение.

https://i56578-swl.blogspot.com/2014/10/about-m32arn-morse.html

Правда про температуру там не пишут, но в конце есть ссылка с описанием кода FM13-X.

https://www.vos.noaa.gov/ObsHB-508/ObservingHandbook1_2010_508_compliant.pdf

Почти то, что нужно, но здесь начало BBXX, а у нас RCV DE. Идём гуглить дальше, находим список позывных для баз ВМФ.

https://priyom.org/military-stations/russia/navy

RCV - это Севастополь.

Еще пригодится статья с описанием радиожаргона

https://ua4cgr.narod.ru/2008/rad-kod.html

и описание SYNOP (FM-12) кода.

https://priyom.org/media/207020/synop.pdf

Теперь можно полностью расшифровать радиограмму:

RCV			- Севастополь,
DE			- это

раздел 0
	UCTA5	- танкер Ельня
	13		- 13 число
	18		- 18 часов
	1		- скорость ветра измерена анемометром в м/c
	99345	- северная широта 35.5
	10346	- восточная долгота 34.6

раздел 1
	4		- влажность не передаётся
	1		- погодная сводка присутствует
	6		- облака на высоте 1000-1500м
	98		- видимость 20-50км
	3		- облачность 3 октанта
	24		- направление ветра 235-244°
	05		- скорость ветра 5 узлов
	10280	- температура воздуха +28.0°C
	40120	- давление на уровне моря 1012.0 hPa
	54000	- в последние 3 часа давление не менялось
	70200	- небо без изменений за последний час, с 12 часов было малооблачно
	835		- в нижнем ярусе слоисто-кучевые облака не образуются из распространяющихся кучевых облаков
	00		- в средних и верхних ярусах облаков нет

раздел 2
	2225	- курс корабля на юго-запад
	2		- скорость 6-10 узлов
	00280	- температура воды на поверхности +28.0°C
	13012	- волна каждые 30 секунд высотой 6 метров

BT			- разделитель
AR			- конец сообщения 
UCTA5		- танкер Ельня
N			- вероятно тут ошибка и должно быть K - приём. 
			  N кодирутся как тире-точка, а K - тире-точка-тире,
			  видимо автор потерял тире в конце.

Ответ: 28.0