本作品是一套基于嵌入式设备的实时 AI 视觉分析系统,支持摄像头视频采集、目标检测、目标跟踪、实时画面处理及 RTSP 视频推流等功能。项目采用 C++、OpenCV、YOLOv5、NanoTrack、RKNN 等技术,构建了从图像采集、AI 推理到视频编码输出的完整处理流程。本人独立负责核心视觉模块开发,包括算法部署、检测跟踪逻辑、多线程任务调度及系统性能优化。针对嵌入式设备算力有限的问题,通过硬件加速、零拷贝数据传输及多线程流水线设计,提高了系统实时性与运行稳定性。项目已实现实际设备部署,相关技术可应用于智能监控、视频分析、目标识别及边缘 AI 系统开发。
本作品基于 WAN S2V 视频生成模型,面向高质量 AI 视频生成场景开展模型推理部署与性能优化,涉及视频生成、GPU 加速、低精度量化及多卡并行计算等核心技术。 本人主要负责 CUDA 异步执行优化、FP8 量化、GPU 算子融合以及多卡通信与计算重叠优化,解决视频生成过程中计算开销大、GPU 利用率不足及数据处理效率低等问题。 最终将 720P、20 秒视频的生成耗时由 530 秒降低至 220.83 秒,整体吞吐提升至原来的 2.4 倍,同时保持较好的视频生成质量。 相关技术可应用于 AI 视频生成、生成式 AI 应用部署、模型推理优化及 GPU 性能加速。
本作品基于 WAN S2V 视频生成模型,面向高质量 AI 视频生成场景开展模型推理部署与性能优化,涉及视频生成、GPU 加速、低精度量化及多卡并行计算等核心技术。 本人主要负责 CUDA 异步执行优化、FP8 量化、GPU 算子融合以及多卡通信与计算重叠优化,解决视频生成过程中计算开销大、GPU 利用率不足及数据处理效率低等问题。 最终将 720P、20 秒视频的生成耗时由 530 秒降低至 220.83 秒,整体吞吐提升至原来的 2.4 倍,同时保持较好的视频生成质量。 相关技术可应用于 AI 视频生成、生成式 AI 应用部署、模型推理优化及 GPU 性能加速。
本作品是一套基于嵌入式设备的实时 AI 视觉分析系统,支持摄像头视频采集、目标检测、目标跟踪、实时画面处理及 RTSP 视频推流等功能。项目采用 C++、OpenCV、YOLOv5、NanoTrack、RKNN 等技术,构建了从图像采集、AI 推理到视频编码输出的完整处理流程。本人独立负责核心视觉模块开发,包括算法部署、检测跟踪逻辑、多线程任务调度及系统性能优化。针对嵌入式设备算力有限的问题,通过硬件加速、零拷贝数据传输及多线程流水线设计,提高了系统实时性与运行稳定性。项目已实现实际设备部署,相关技术可应用于智能监控、视频分析、目标识别及边缘 AI 系统开发。...
本作品基于 WAN S2V 视频生成模型,面向高质量 AI 视频生成场景开展模型推理部署与性能优化,涉及视频生成、GPU 加速、低精度量化及多卡并行计算等核心技术。 本人主要负责 CUDA 异步执行优化、FP8 量化、GPU 算子融合以及多卡通信与计算重叠优化,解决视频生成过程中计算开销大、GPU 利用率不足及数据处理效率低等问题。 最终将 720P、20 秒视频的生成耗时由 530 秒降低至 220.83 秒,整体吞吐提升至原来的 2.4 倍,同时保持较好的视频生成质量。 相关技术可应用于 AI 视频生成、生成式 AI 应用部署、模型推理优化及 GPU 性能加速。...
本作品基于 WAN S2V 视频生成模型,面向高质量 AI 视频生成场景开展模型推理部署与性能优化,涉及视频生成、GPU 加速、低精度量化及多卡并行计算等核心技术。 本人主要负责 CUDA 异步执行优化、FP8 量化、GPU 算子融合以及多卡通信与计算重叠优化,解决视频生成过程中计算开销大、GPU 利用率不足及数据处理效率低等问题。 最终将 720P、20 秒视频的生成耗时由 530 秒降低至 220.83 秒,整体吞吐提升至原来的 2.4 倍,同时保持较好的视频生成质量。 相关技术可应用于 AI 视频生成、生成式 AI 应用部署、模型推理优化及 GPU 性能加速。...
添加客服微信,免费为您安排与该工程师直接沟通
长按二维码添加客服微信
如该工程师当前档期不合,也可免费为您推荐相似候选人