CV-CUDA 結合加速型圖像預處理和后處理算法和工具，在成本不變的情況下將圖像處理數量提高為原本的 10 倍。

為了幫助更快、更高效地大規模處理圖像，NVIDIA 推出了 CV-CUDA，這是一個用于構建加速型端到端計算機視覺和圖像處理管道的開源庫。

互聯網流量以視頻為主。此類視頻將越來越多地被 AI 特效和計算機圖形所增強。

與此同時，迅猛增長的社交媒體和視頻共享服務遇到了難題，包括云計算成本不斷增長，以及基于 AI 的成像處理和計算機視覺管線遭遇瓶頸，這進一步提高了復雜性。

CV-CUDA 可為 AI 特效加速，例如重照明、重置、模糊背景和超高分辨率。

盡管 NVIDIA GPU 已為 AI 計算機視覺工作流的推理部分實現了加速。但使用傳統計算機視覺工具進行預處理和后處理仍需耗費大量時間和計算能力。

而 CV-CUDA 則為開發者提供了 50 多種高性能計算機視覺算法，一種可輕松實現自定義內核的開發框架，以及諸多零復制接口，從而消除 AI 工作流中的瓶頸。

這能帶來更高的吞吐量，以及更低的云計算成本。CV-CUDA 的流處理量相當于基于單個 GPU 的流處理量的 10 倍。

上述這些都能幫助開發者加速處理視頻內容創作、3D 世界、基于圖像的推薦系統、圖像識別和視頻會議。

視頻內容創作平臺必須每天處理、增強和審核數以百萬計的視頻流，并確保移動端用戶不論在任何手機上運行應用，都能獲得最優體驗。

對于構建 3D 世界或元宇宙應用程序的人而言，CV-CUDA 有望支持為其構建或擴展 3D 世界及其組件的任務提供強大助力。

在圖像理解和識別方面，CV-CUDA 可以顯著加速以超大規模運行的流水線，讓移動用戶能夠暢享響應靈敏的精密圖像識別應用。

在視頻會議領域，CV-CUDA 可以支持基于增強現實的復雜功能。這些功能可能涉及到需要無數預處理和后處理步驟的復雜 AI 工作流。

CV-CUDA 通過手動優化的 CUDA 內核加速預處理和后處理制作流程，并原生集成于 C/C++、Python 和常見的深度學習框架(例如 PyTorch)中。

CV-CUDA 將成為 NVIDIA Omniverse(專用于 3D 工作流的虛擬世界仿真和協作平臺)中加速 AI 工作流的核心技術之一。

開發者可在 12 月搶先體驗代碼，測試版將于明年 3 月發布。

審核編輯：湯梓紅