开发者社区> 问答> 正文

异构计算在视频处理场景中有哪些作用?

异构计算在视频处理场景中有哪些作用?

展开
收起
追风少年刘全有 2021-11-26 11:39:04 2816 0
1 条回答
写回答
取消 提交回答
  • 除了利用 GPU 的加速 API CUDA 来做视频处理,GPU 还集成了多种视频处理硬件加速功能。GPU 的视频硬件解压功能能够利用 GPU 片上的硬件单元快速解码高清视频流,最高可以支持 8K 高清视频解码,支持 MPEG-2、 VC-1、H.264、vp-8 和vp-9 等主流编码协议,以 1080P、24 帧/ 秒的高清解码为例,单 GPU 最高可以同时解码 30 路的视频流。

    GPU 可以将解码之后的数据保存在片上的高速显存之中,然后配合运行于 GPU 之上的基于 CUDA 的深度学习算法,对解码之后的图像进行实时的分类、检测和理 解等操作 ;随后,还可以根据需要,通过 GPU 附带的硬件视频编码,把这些处理之后的 单帧视频图片,重新编码为视频流输出。GPU 可以支持最高 HEVC 的 8K 图像的编码压缩。以 H.264 协议为例,压缩 24 帧 / 秒的 1080P 高清图像,一个 GPU 最高可以同时处理 15 路图像。在相似的峰值信噪比 PSNR 下,GPU 的处理能力可以达到 X264 处理能力的 4 倍到 5 倍。

    image.png

    上图所示的是基于GPU 云服务器的加速视频转码方案,在 2018 年世界杯直播期间,其窄带高清 2.0 技术可根据画面内容优化编码,并使用AI 技术识别画面中的足球、球员、草地,并对之分别采取不同的编码优化策略,使得整个画质更具层次感、人像清晰。

    除了GPU 云服务器,使用FPGA 云服务器也能进行高效的视频转码,支持 FFMPEG 计算框架下的 H.264、H.265 等 IP 应用。

    资料来源:《弹性计算—无处不在的算力》

    2021-11-26 15:51:11
    赞同 展开评论 打赏
问答分类:
问答排行榜
最热
最新

相关电子书

更多
端到端GPU性能在深度学学习场景下的应用实践 立即下载
构建基于富媒体大数据的弹性深度学习计算平台 立即下载
基于英特尔®FPGA的数据分析可重构加速 立即下载