定位結果只有在你理解成因時才真正有用。與其重複上傳同一張圖片，不如控制變因，逐項隔離畫面中的證據。
案例基準：畫面實際提供哪些證據
完整畫面同時包含高棉文字、Cambodia 與 Angkor 啤酒標誌、Pub Street 招牌、World Lounge Pizza、Cambodian BBQ、熱帶植被和狹窄餐飲街。這些線索共同強力支援柬埔寨，並讓暹粒成為主要城市候選；但模型提到某項線索，不代表它真的影響了預測。
核心判斷
先保存原圖的完整結果作為基準，包括候選地點、座標、信心程度和模型提到的線索。接著分別保留文字、建築環境、自然環境，或只模糊最明顯的地標；一次只改一個變因。
實際操作方法
記錄每個版本的預測及相對基準移動的距離。移除文字後城市改變，表示模型依賴文字；移除地標後跨國變化，可能只辨識了單一物體；兩個獨立裁切結果指向同一地區時，再優先進行地圖驗證。
逐項評估線索的證明力
- 高棉文字是最強的國家區分線索；Cambodia 啤酒也支援柬埔寨，但若模型只是讀到國名，兩者並非完全獨立。
- Angkor 品牌增加暹粒的機率，卻不侷限於該市；Pub Street 容易搜尋，但名稱並非全球唯一。
- 兩個較不知名的商家名稱更適合精確驗證，前提是它們在地圖上和照片中具有相同順序。
- 拿掉 Pub Street 後若城市改成金邊、國家仍不變，表示國家證據穩定，而城市判斷依賴著名招牌。
空間關係比單一文字更重要
照片中 World Lounge Pizza 靠近相機，Cambodian BBQ 位於街道更深處。現有 OpenStreetMap 資料顯示兩者距公開相機位置約 22 公尺與 57 公尺；這個前後關係比任一名稱單獨出現更能驗證視角。過度裁切會破壞道路寬度、路口形狀與物體順序。
遇到這些情況應降低結論層級
- 不同裁切各自指向不同國家。
- 模型引用畫面中不存在的線索。
- 候選移動數百公里，信心卻維持不變。
- 移除一個知名招牌後城市結論崩潰。
- 候選視角無法重現固定物體的順序。
限制與驗證
裁切也會破壞物體關係，例如行車方向、道路寬度、山脈朝向和海岸距離。因此裁切用來診斷模型，不應直接取代原圖，結果仍須以地圖、街景或衛星影像交叉查證。
資料來源
開始實際分析
如果你有一張需要調查的照片，可以先使用我們的AI 照片位置查找工具取得候選地點，再按照本文方法驗證，而不要把預測直接視為證據。