App+1 | Inkive：把纸质书上划好的线存进 Obsidian
内容提要
作者开发了Inkive应用，解决纸书划线笔记数字化难题。通过本地图像分割模型识别划线（准确率0.94），结合PPOCR读取文字，并优化“可接纳率”至95%，最终将书摘导出为Markdown，无缝连接Obsidian。应用坚持本地处理，保护隐私，已上架App Store。
延伸解读
本地处理与隐私保护
Inkive 坚持本地处理，书页照片、划线识别和 OCR 过程都留在设备上，不上传服务器。这不仅保护了用户隐私，也避免了云端费用。相比依赖云端大模型的方案，本地处理在无网络环境下也能使用，但可能受限于设备性能，识别速度或精度会有所折中。
技术选型的取舍
作者在开发中尝试了多种技术路线，如透视校正和传统 CV 方法，但最终发现这些并非关键。Inkive 的目标不是生成完美的扫描件，而是准确读取划线附近的文字。这一取舍体现了产品定位：专注于笔记提取，而非文档扫描。
与同类产品的差异
文章提到海外团队推出的智能书签硬件 Mark II，需要专用设备配合云端模型，而 Inkive 仅用手机应用加本地模型，不改变阅读习惯。两者解决相似需求，但路径不同：Inkive 更轻量，无需额外硬件，但可能受限于手机摄像头和本地算力。
Q&A
Inkive是什么？它主要解决什么问题？
Inkive是一款iOS应用，用于将纸质书上的划线、高亮和圈画等笔记数字化，并导出为Markdown格式，以便导入Obsidian等笔记软件。它解决了纸质书笔记难以无缝连接数字笔记的问题。
Inkive是如何识别纸质书上的划线的？
Inkive使用本地图像分割模型来识别书页照片中的划线、高亮和圈画。该模型在测试集上的准确率达到0.94，召回率达到0.88。
Inkive的OCR识别使用了什么技术？为什么选择本地处理？
Inkive使用PPOCR v6进行文字识别，因为它在中文纸书照片上的识别比iOS Vision框架更稳定。选择本地处理是为了保护用户隐私，避免上传照片，同时节省云端费用。
Inkive如何判断读者真正想留下的句子？
Inkive通过结合划线位置和OCR识别的文字，推测读者想留下的句子。它不追求像素级重合，而是以人的阅读判断为准，最终在测试集中95%的结果无需修改或只需轻微校对。
Inkive的使用流程是怎样的？
使用流程包括：1. 像往常一样阅读纸质书并划线；2. 读完打开Inkive，连续拍摄相关书页；3. 识别完成后逐条校对或预览整本书结果；4. 导出为Markdown文件，导入Obsidian。
Inkive与智能书签硬件Mark II有什么区别？
Mark II是海外团队推出的智能书签硬件，需要专用设备在纸上划线，并通过云端大模型识别同步到Notion和Readwise；而Inkive是手机应用，使用本地模型，不改变阅读习惯，只需读完后用手机拍照处理。
Inkive目前支持哪些平台？
Inkive目前仅支持iOS，已上架App Store。Android、Web和小程序版本仍在计划中。
