NVIDIA 宣布微軟、騰訊、百度采用 CV-CUDA 開發(fā)計算機視覺 AI

即將推出的公測版優(yōu)化了前處理和后處理，以四分之一的成本和能耗獲得更高的吞吐量。

微軟、騰訊和百度正在采用 NVIDIA CV-CUDA 開發(fā)計算機視覺 AI。

NVIDIA創(chuàng)始人兼首席執(zhí)行官黃仁勛近日在宣布 NVIDIA CV-CUDA 公測版時強調(diào)了該開源項目在內(nèi)容理解、視覺搜索和深度學(xué)習(xí)方面的成果。CV-CUDA 是一個云計算級別的計算機視覺開源 GPU 加速庫。

(資料圖片)

黃仁勛在 NVIDIA GTC 大會主題演講中表示：“80% 的互聯(lián)網(wǎng)流量來自于視頻，用戶生成的視頻內(nèi)容正在推動流量大幅增長并消耗大量能源。我們應(yīng)該加速所有視頻處理并重新降低能耗。”

CV-CUDA 致力于幫助世界各地的公司在 GPU 上建立和擴展端到端的、基于 AI 的計算機視覺和圖像處理流程。

使用AI 優(yōu)化互聯(lián)網(wǎng)規(guī)模的視覺計算

大部分的互聯(lián)網(wǎng)流量來自于視頻和圖像數(shù)據(jù)，這推動了內(nèi)容創(chuàng)作、視覺搜索、推薦以及地圖等應(yīng)用的驚人規(guī)模。

這些應(yīng)用使用一套專門的、反復(fù)被使用的計算機視覺和圖像處理算法，在神經(jīng)網(wǎng)絡(luò)處理圖像和視頻數(shù)據(jù)之前和之后對這些數(shù)據(jù)進(jìn)行處理。

微軟必應(yīng)的視覺搜索引擎使用AI 計算機視覺在互聯(lián)網(wǎng)圖片中搜索圖片（例如狗糧）

雖然神經(jīng)網(wǎng)絡(luò)通常由 GPU 加速，但支持神經(jīng)網(wǎng)絡(luò)的計算機視覺和圖像處理算法往往是當(dāng)今 AI 應(yīng)用中的 CPU 瓶頸。

CV-CUDA 通過將前處理和后處理步驟從 CPU 轉(zhuǎn)移到 GPU，幫助在單個 GPU 上處理4倍的串流。因此，CV-CUDA能夠以四分之一的云計算成本處理同樣的工作負(fù)載。

CV-CUDA 庫為開發(fā)者提供30多種高性能的計算機視覺算法，包含原生 Python API 和與 PyTorch、TensorFlow2、ONNX 與TensorRT機器學(xué)習(xí)框架的零拷貝集成。

其結(jié)果是為云 AI 業(yè)務(wù)提供了更高的吞吐量，同時降低計算成本并減少了碳足跡。

全球?qū)τ嬎銠C視覺AI的應(yīng)用情況

全球行業(yè)領(lǐng)導(dǎo)者的采用體現(xiàn)了CV-CUDA 為越來越多大規(guī)模視覺應(yīng)用所帶來的益處以及多樣的支持。擁有大規(guī)模圖像處理工作負(fù)載的企業(yè)可以節(jié)省數(shù)千萬乃至數(shù)億美元的費用。

微軟正將 CV-CUDA 整合到必應(yīng)視覺搜索中，以支持用戶使用圖像而非文本來搜索，尋找類似的圖像、產(chǎn)品或網(wǎng)頁。

2019年，微軟在 GTC 上分享了他們?nèi)绾卫?NVIDIA 技術(shù)將語音識別、智能回答、文字-語音轉(zhuǎn)換技術(shù)和物體檢測無縫、實時地結(jié)合起來。

騰訊已部署 CV-CUDA 來加速其廣告創(chuàng)作和內(nèi)容理解流程，該流程每天處理30多萬個視頻。

相比之前經(jīng)過 GPU 優(yōu)化的工作流，在使用CV-CUDA后，這家總部位于深圳的多媒體集團在圖像處理方面的能耗和成本均降低了20%。

而總部位于北京的搜索巨頭百度正在將 CV-CUDA 整合到 FastDeploy中。FastDeploy 是百度飛漿深度學(xué)習(xí)框架的開源部署工具包之一，可以為開源社區(qū)的開發(fā)者提供無縫的計算機視覺加速。

從內(nèi)容創(chuàng)建到汽車用例

CV-CUDA 的應(yīng)用正在不斷增加。在Alpha版本發(fā)布后的幾個月內(nèi)，就有500多家公司提出了100多個用例。

內(nèi)容創(chuàng)作和電子商務(wù)中的圖像會使用前處理和后處理算子來幫助推薦引擎識別、定位和策劃內(nèi)容。

在測繪領(lǐng)域，來自測繪車輛的視頻需要預(yù)處理和后處理算子來訓(xùn)練云端神經(jīng)網(wǎng)絡(luò)，從而識別基礎(chǔ)設(shè)施和道路特征。

在自動駕駛模擬和驗證軟件的基礎(chǔ)設(shè)施應(yīng)用中，CV-CUDA 使 GPU能夠加速在車輛上發(fā)生的算法，例如顏色轉(zhuǎn)換、失真校正、卷積和雙邊過濾等。

未來，生成式 AI 將改變視頻內(nèi)容創(chuàng)作和管理，使創(chuàng)作者能夠接觸到全球受眾。

位于紐約的初創(chuàng)企業(yè) Runway 已通過集成 CV-CUDA，緩解了其視頻對象分割模型中的一個關(guān)鍵的高分辨率視頻預(yù)處理瓶頸。

在部署 CV-CUDA 后，其速度提高了3.6倍，支持Runway 優(yōu)化其創(chuàng)作工具套件中的實時內(nèi)容點擊響應(yīng)速度。

Runway 聯(lián)合創(chuàng)始人兼首席執(zhí)行官 Cristóbal Valenzuela表示：“對于創(chuàng)作者來說，將一個想法變?yōu)楝F(xiàn)實過程中的每一秒都很寶貴。CV-CUDA 為數(shù)百萬使用我們工具的創(chuàng)作者帶來了積極且重要的變化?！?/p>

如需使用 CV-CUDA，請訪問CV-CUDA GitHub。

或者在 GTC CV-CUDA 專題分會上了解更多信息。點擊鏈接觀看GTC 2023 主題演講回看。

克服AI影像和計算機視覺流程中的前處理和后處理瓶頸 [S51182]

為自動駕駛汽車創(chuàng)建基于AI的高清地圖 [SE50001]

與專家溝通：使用NVIDIA庫實現(xiàn)GPU加速的數(shù)據(jù)處理 [CWES52014]

使用NVIDIA DeepStream的自定義GPU驅(qū)動插件推進(jìn)AI應(yīng)用[S51612]

關(guān)鍵詞：