ストリートパノラマは、何千もの建物を撮影した多くのショットで構成されています。 しかし、すべてのパノラマを表示し、そこから家の写真を「手動で」切り取るのは難しく、時間がかかります。 パノラマは20〜50メートルごとに撮影され、サンクトペテルブルクだけで6万枚のパノラマが作成されました。 そのため、建物のパノラマで自動的に検出し、最適なショットをカットして選択するメカニズムを開発する必要がありました。 このメカニズムは、オートフォトグラファーと呼ばれます。
オートフォトグラファーは家のパノラマに位置し、パノラマ写真と通常の地図の対応する断片を比較します。 地図上の家の座標とその形状がわかると、オートフォトグラファーは、撮影ポイントに対する家の位置を判断します。 これを行うために、彼は建物の極点（北の方向とオブジェクトの間の角度）の方位角を計算します。 そして、これらの方位角で、彼はパノラマ写真で家を見つけます。
まず、オートフォトグラファーは、はっきりと見えるかどうかに注意を払わずに、連続してすべての家の写真を撮ります。 写真の家が葉や駐車の悪いトラックを覆っていることが判明する場合があります。 もちろん、そのような写真は、ユーザーが建物を見るのに役立ちません。 したがって、さらにオートフォトグラファーは画像の品質を評価します。 このために、特別な分類子が作成されました。これは、写真を分析し、その評価を1〜3に設定します。
画像を評価する際、分類器はいくつかの要因を考慮します。建物の直線寸法、撮影角度、撮影ポイントから家までの距離です。 これらのパラメーターは、建物をどの視点からどのくらいの大きさで撮影するかを決定するのに役立ちます。 さらに、画像自体が分析されます：彩度、色、および幾何学的コンポーネント。 そのため、画像に多数の多方向の線が含まれている場合、家はほとんど区別できません。 また、写真の色が緑や黄色が多い場合、建物は葉で覆われている可能性があります。
分類器と評価器は、 機械学習を使用して調整されました。 マシンに画像の品質を判断する方法を教えるために、専門家は数千の良い写真を手動で選択しました。 画像を分析した後、分類器は品質を決定するための最も重要な要因を特定し、その重要性を計算しました。
通常、建物は複数のパノラマに直接落ちるため、オートフォトグラファーは1つの家の写真を15〜20枚撮ります。 その中でも、さまざまなポイントから撮影した良い写真を選択する必要があります。 ユーザーが建物をさまざまな角度から見ることができると便利です。 これを行うために、オートフォトグラファーはすべての写真を（セクターごとに）グループに分割します-どのポイントから、どの距離から撮影したかに応じて。 そして、さまざまな分野の最高の写真をいくつか選びました。
選択した画像はYandex.Fotkiサービスにアップロードされ、そこからYandex.Mapsに到達します。 これらの写真は、建物のカードでユーザーに表示されます。