Pengaturan Tangkap Gerakan Swing Catalyst

Pendahuluan

Artikel ini menjelaskan cara melakukan Setup dan mengonfigurasi fungsionalitas Tangkap Gerakan dalam Swing Catalyst. Fitur ini mungkin tidak tersedia untuk semua jenis lisensi, silakan lihat FAQ Tangkap Gerakan kami untuk informasi lebih lanjut.

Persyaratan

  • Komponen perlu diinstal ke dalam direktori komponen.

Komputer Anda harus memenuhi rekomendasi spesifikasi PC kami, yang paling penting adalah kartu grafis memenuhi rekomendasi kami.

Konfigurasi

Pengaturan Tangkap Gerakan dapat ditemukan dari menu Pengaturan utama di bawah bagian “Video & Ambil”. Dari sini Anda dapat memilih atau mengubah penyedia eksekusi dan ukuran batch.

Kami merekomendasikan ukuran batch antara 12 hingga 24 tergantung pada berapa banyak kamera yang aktif / diaktifkan.

MotionCatalyst_YXRW7bXdCW.png MotionCatalyst_YXRW7bXdCW.png

Penyedia Eksekusi yang Direkomendasikan

NVIDIA

  • GPU NVIDIA RTX 3060 atau lebih baru -> TensorRT

  • Jika TensorRT tidak berfungsi, coba CUDA

Kartu grafis lainnya

  • DirectML

Defaultnya adalah DirectML karena merupakan penyedia yang paling kompatibel. Sayangnya, ini juga yang paling lambat.

Selama pengujian benchmark, kami menemukan bahwa TensorRT adalah penyedia eksekusi yang paling berperforma tinggi.

  • TensorRT rata-rata (35-45% lebih cepat dari DirectML, 20-25% lebih cepat dari CUDA)

  • CUDA menawarkan peningkatan moderat dibandingkan DirectML (rata-rata 10-12%)

  • CUDA menggunakan memori GPU (VRAM) jauh lebih banyak daripada TensorRT, harap coba kurangi ukuran batch jika Anda menggunakan CUDA

Unduhan komponen

Jika Anda memilih komponen yang belum terinstal, Anda akan diminta untuk mengunduhnya.

Untuk menggunakan TensorRT atau CUDA, Anda perlu mengunduh komponen terlebih dahulu.

eZkrGi1hnK.png eZkrGi1hnK.png

Note: Fitur ini hanya tersedia pada versi 25.2.

Ukuran Batch yang Direkomendasikan

Berdasarkan pengujian kami, ukuran batch yang lebih besar memberikan Performa yang lebih baik. Kami merekomendasikan ukuran batch antara 16 hingga 24 untuk Setup 2-3 kamera yang umum. Jika Anda menggunakan perangkat lunak lain secara bersamaan yang memerlukan sumber daya grafis, mungkin ada baiknya mencoba ukuran batch yang lebih kecil. Pada akhirnya, ukuran batch terbaik mungkin bergantung pada alur kerja Anda dan jenis program apa saja yang berjalan selain Swing Catalyst.

Pengaturan Lanjutan

Di bawah pengaturan penyedia eksekusi terdapat pengaturan lanjutan di mana Anda dapat mengubah model deteksi atau mengaktifkan “FP16”.

Mengubah model deteksi dari Medium ke Nano dapat mengurangi penggunaan memori kartu grafis Anda dan meningkatkan Performa, dengan mengorbankan akurasi.

Jika Anda kesulitan mendapatkan deteksi yang baik, coba ubah model ke Medium, mulai ulang Swing Catalyst, lalu coba lagi.

  • Model deteksi default adalah Nano

  • “FP16 untuk TensorRT” secara default tidak dicentang

FP16

Menggunakan FP16 dapat mengurangi penggunaan memori dan meningkatkan Performa (dengan mengorbankan akurasi).

Selama pengujian, kami menemukan bahwa FP16 dapat meningkatkan Performa sebesar 20-35%.

Ini juga mungkin menghasilkan hasil yang lebih tidak konsisten antar Rekaman dibandingkan FP32 default. Mungkin layak dicoba jika Anda mengalami masalah dengan Performa atau jika kehabisan memori.

MotionCatalyst_1HvvrDLr0m.png MotionCatalyst_1HvvrDLr0m.png

Perbandingan Performa

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

TensorRT (ungu), CUDA (merah muda), dan DirectML (hijau), dari kiri ke kanan. Sumbu Y (FPS) adalah jumlah Frame per detik yang mampu diproses oleh model Tangkap Gerakan dan tidak secara langsung berkaitan dengan Laju Frame kamera Anda.

firefox_NQ3XNoVqhI.png firefox_NQ3XNoVqhI.png

Metrik Performa (FPS) adalah berapa banyak Frame per detik yang diproses; semakin tinggi angkanya, semakin cepat pemrosesannya. Seperti yang dapat Anda lihat pada ilustrasi di atas, baik CUDA maupun TensorRT hampir linier. Misalnya, jika Anda beralih dari satu ke dua kamera, Anda akan melihat Performa hampir berkurang setengahnya. Penurunan Performa ini kurang terasa pada kartu grafis NVIDIA yang lebih baru.

Terakhir diperbarui: 2025-05-16 | Lihat di situs dukungan resmi