Swing Catalyst Liikkeenjäljitys-asetukset

Johdanto

Tässä artikkelissa kuvataan, miten Liikkeenjäljitys-toiminto asetetaan ja konfiguroidaan Swing Catalystissa. Tämä ominaisuus ei välttämättä ole saatavilla kaikille lisenssityypeille. Lisätietoja löydät Liikkeenjäljityksen UKK-sivulta.

Vaatimukset

  • Komponentit on asennettava komponenttihakemistoon.

Tietokoneesi on täytettävä PC-spesifikaatiosuosituksemme. Tärkein vaatimus on, että näytönohjain täyttää suosituksemme.

Konfigurointi

Liikkeenjäljityksen asetukset löytyvät pääasiallisesta Asetukset-valikosta kohdasta “Video & Sieppaus”. Täältä voit valita tai vaihtaa suorituspalveluntarjoajia ja eräkokoa.

Suosittelemme eräkokoa 12–24 riippuen siitä, kuinka monta aktiivista/käytössä olevaa kameraa sinulla on.

MotionCatalyst_YXRW7bXdCW.png MotionCatalyst_YXRW7bXdCW.png

Suositellut suorituspalveluntarjoajat

NVIDIA

  • NVIDIA RTX 3060 tai uudempi GPU -> TensorRT

  • Jos TensorRT ei toimi, kokeile CUDA:a

Muut näytönohjaimet

  • DirectML

Oletusarvona on DirectML, koska se on yhteensopivin vaihtoehto. Se on valitettavasti myös hitain.

Vertailutestauksen aikana olemme havainneet TensorRT:n olevan suorituskykyisin suorituspalveluntarjoajista.

  • TensorRT on keskimäärin (35–45 % nopeampi kuin DirectML, 20–25 % nopeampi kuin CUDA)

  • CUDA tarjoaa kohtalaisen parannuksen DirectML:ään verrattuna (keskimäärin 10–12 %)

  • CUDA käyttää huomattavasti enemmän GPU-muistia (VRAM) kuin TensorRT. Kokeile pienentää eräkokoa, jos käytät CUDA:a

Komponenttien lataaminen

Jos valitset komponentin, jota ei ole vielä asennettu, sinua pyydetään lataamaan se.

TensorRT:n tai CUDA:n käyttämistä varten sinun on ensin ladattava komponentit.

eZkrGi1hnK.png eZkrGi1hnK.png

note: Tämä ominaisuus on saatavilla vain versiossa 25.2.

Suositeltu eräkoko

Testauksen perusteella suuremmat eräkoot tuottavat paremman suorituskyvyn. Suosittelemme eräkokoa 16–24 tyypilliselle 2–3 kameran asetukselle. Jos käytät samanaikaisesti muita ohjelmistoja, jotka tarvitsevat grafiikkaresursseja, pienempi eräkoko voi olla hyödyllinen. Paras eräkoko riippuu viime kädessä työnkulustasi ja siitä, mitä ohjelmia sinulla on käynnissä Swing Catalystin lisäksi.

Lisäasetukset

Suorituspalveluntarjoaja-asetusten alapuolella ovat lisäasetukset, joissa voit vaihtaa tunnistusmallia tai ottaa käyttöön “FP16”-asetuksen.

Tunnistusmallin vaihtaminen Mediumista Nanoon voi vähentää näytönohjaimen muistinkäyttöä ja parantaa suorituskykyä tarkkuuden kustannuksella.

Jos sinulla on vaikeuksia saada hyvä tunnistus, kokeile vaihtaa malliksi Medium, käynnistä Swing Catalyst uudelleen ja yritä uudelleen.

  • Oletustunnistusmalli on Nano

  • “FP16 for TensorRT” ei ole oletusarvoisesti valittuna

FP16

FP16:n käyttäminen voi vähentää muistinkäyttöä ja parantaa suorituskykyä (tarkkuuden kustannuksella).

Testauksen aikana olemme havainneet, että FP16 voi parantaa suorituskykyä 20–35 %.

Se saattaa myös tuottaa epäjohdonmukaisempia tuloksia nauhoitusten välillä kuin oletusarvoinen FP32. Sitä voi olla hyödyllistä kokeilla, jos sinulla on suorituskykyongelmia tai muisti loppuu kesken.

MotionCatalyst_1HvvrDLr0m.png MotionCatalyst_1HvvrDLr0m.png

Suorituskykyvertailut

Screen Shot 2024-12-17 at 16.25.42.png Screen Shot 2024-12-17 at 16.25.42.png

TensorRT (violetti), CUDA (pinkki) ja DirectML (vihreä), vasemmalta oikealle. Y-akseli (FPS) kuvaa, kuinka monta kuvaa sekunnissa liikkeenjäljitysmalli pystyy käsittelemään, eikä se liity suoraan kamerasi kuvataajuuteen.

firefox_NQ3XNoVqhI.png firefox_NQ3XNoVqhI.png

Suorituskykymittari (FPS) kertoo, kuinka monta kuvaa sekunnissa käsitellään – mitä suurempi luku, sitä nopeammin käsittely tapahtuu. Kuten yllä olevasta kuvasta näkyy, sekä CUDA että TensorRT ovat lähes lineaarisia. Esimerkiksi siirryttäessä yhdestä kamerasta kahteen suorituskyky laskee lähes puoleen. Tämä suorituskyvyn heikkeneminen on vähemmän merkittävä uudemmilla NVIDIA-näytönohjaimilla.

Viimeksi päivitetty: 2025-05-16 | Näytä virallisella tukisivustolla