إعدادات التقاط الحركة في Swing Catalyst

مقدمة

تصف هذه المقالة كيفية إعداد وتكوين وظيفة التقاط الحركة داخل Swing Catalyst. قد لا تكون هذه الميزة متاحة لجميع أنواع التراخيص، يُرجى الاطلاع على الأسئلة الشائعة حول التقاط الحركة لمزيد من المعلومات.

المتطلبات

  • يجب تثبيت المكوّنات في مجلد المكوّنات.

يجب أن يستوفي جهاز الكمبيوتر الخاص بك توصيات مواصفات الكمبيوتر الشخصي لدينا، والأهم من ذلك أن تستوفي بطاقة الرسومات توصياتنا.

التكوين

يمكن العثور على إعدادات التقاط الحركة من قائمة الإعدادات الرئيسية ضمن قسم “Video & Capture”. ومن هنا يمكنك تحديد موفّري التنفيذ أو تغييرهم وضبط حجم الدُفعة.

نوصي بحجم دُفعة يتراوح بين 12 و24 اعتمادًا على عدد الكاميرات النشطة / الممكّنة لديك.

صورة إعدادات MotionCatalyst صورة إعدادات MotionCatalyst

موفّر التنفيذ الموصى به

NVIDIA

  • GPU من طراز NVIDIA RTX 3060 أو أحدث -> TensorRT

  • إذا لم يعمل TensorRT، جرّب CUDA

بطاقات الرسومات الأخرى

  • DirectML

الإعداد الافتراضي هو DirectML لأنه الموفّر الأكثر توافقًا. غير أنه للأسف الأبطأ أيضًا.

خلال اختبارات الأداء، وجدنا أن TensorRT هو الأعلى أداءً بين موفّري التنفيذ.

  • TensorRT أسرع في المتوسط (بنسبة 35-45% مقارنةً بـ DirectML، و20-25% مقارنةً بـ CUDA)

  • يوفّر CUDA تحسينات معتدلة مقارنةً بـ DirectML (بنسبة 10-12% في المتوسط)

  • يستهلك CUDA ذاكرة GPU (VRAM) أكبر بكثير مقارنةً بـ TensorRT، يُرجى محاولة تقليل حجم الدُفعة إذا كنت تستخدم CUDA

تنزيل المكوّنات

إذا حددت مكوّنًا غير مثبّت مسبقًا، ستظهر لك مطالبة بتنزيله.

لاستخدام TensorRT أو CUDA، ستحتاج إلى تنزيل المكوّنات أولًا.

صورة مطالبة تنزيل المكوّن صورة مطالبة تنزيل المكوّن

note: هذه الميزة متاحة فقط في الإصدار 25.2.

حجم الدُفعة الموصى به

وفقًا لاختباراتنا، تُعطي أحجام الدُفعات الأكبر أداءً أفضل. نوصي بحجم دُفعة يتراوح بين 16 و24 لإعداد نموذجي يضم 2-3 كاميرات. إذا كنت تستخدم برامج أخرى في الوقت ذاته تتطلب موارد رسومية، فقد يكون من المفيد تجربة حجم دُفعة أصغر. في نهاية المطاف، قد يعتمد أفضل حجم دُفعة على سير عملك وأنواع البرامج التي تشتغل بالتوازي مع Swing Catalyst.

الإعدادات المتقدمة

أسفل إعدادات موفّر التنفيذ توجد الإعدادات المتقدمة حيث يمكنك تغيير نموذج الكشف أو تفعيل “FP16”.

يمكن أن يؤدي تغيير نموذج الكشف من Medium إلى Nano إلى تقليل استهلاك ذاكرة بطاقة الرسومات وتحسين الأداء، على حساب الدقة.

إذا كنت تعاني من صعوبة في الحصول على كشف جيد، حاول تغيير النموذج إلى Medium، ثم أعد تشغيل Swing Catalyst وحاول مرة أخرى.

  • نموذج الكشف الافتراضي هو Nano

  • خيار “FP16 لـ TensorRT” غير محدد افتراضيًا

FP16

يمكن أن يؤدي استخدام FP16 إلى تقليل استهلاك الذاكرة وتحسين الأداء (على حساب الدقة).

خلال الاختبارات، وجدنا أن FP16 يمكنه تحسين الأداء بنسبة 20-35%.

قد ينتج عنه أيضًا نتائج أقل اتساقًا بين التسجيلات مقارنةً بالإعداد الافتراضي FP32. قد يستحق التجربة إذا كنت تواجه مشكلات في الأداء أو نفاد الذاكرة.

صورة إعدادات MotionCatalyst المتقدمة صورة إعدادات MotionCatalyst المتقدمة

مقارنات الأداء

صورة مقارنة أداء التنفيذ صورة مقارنة أداء التنفيذ

TensorRT (بنفسجي)، وCUDA (وردي)، وDirectML (أخضر)، من اليسار إلى اليمين. يمثّل المحور Y (FPS) عدد الإطارات في الثانية التي يستطيع نموذج التقاط الحركة معالجتها، وهو لا يرتبط ارتباطًا مباشرًا بمعدل الإطارات لكاميرتك.

صورة رسم بياني لأداء FPS صورة رسم بياني لأداء FPS

مقياس الأداء (FPS) هو عدد الإطارات في الثانية التي تتم معالجتها، وكلما كان الرقم أعلى كانت المعالجة أسرع. كما يتضح في الرسم التوضيحي أعلاه، فإن كلًّا من CUDA وTensorRT يسيران بشكل شبه خطي. فمثلًا، عند الانتقال من كاميرا واحدة إلى كاميرتين، ستلاحظ انخفاضًا في الأداء بنحو النصف. يكون هذا التأثير على الأداء أقل وضوحًا مع بطاقات الرسومات NVIDIA الأحدث.

آخر تحديث: 2025-05-16 | عرض على موقع الدعم الرسمي