Настройки Захвата движения в Swing Catalyst

Введение

В этой статье описывается, как настроить и сконфигурировать функцию Захвата движения в Swing Catalyst. Эта функция может быть доступна не для всех типов лицензий — подробнее см. в разделе Часто задаваемые вопросы о Захвате движения.

Требования

• Компоненты необходимо установить в директорию компонентов.

Ваш компьютер должен соответствовать нашим рекомендациям к характеристикам ПК; наиболее важно, чтобы видеокарта соответствовала нашим требованиям.

Конфигурация

Настройки Захвата движения находятся в главном меню «Настройки» в разделе «Видео и Захват». Здесь вы можете выбрать или изменить провайдеров выполнения и размер пакета.

Мы рекомендуем размер пакета от 12 до 24 в зависимости от количества активных / включённых камер.

Рекомендуемый провайдер выполнения

NVIDIA

• GPU NVIDIA RTX 3060 или новее -> TensorRT

• Если TensorRT не работает, попробуйте CUDA

Другие видеокарты

• DirectML

По умолчанию используется DirectML, так как это наиболее совместимый провайдер. К сожалению, он также является самым медленным.

В ходе тестирования мы обнаружили, что TensorRT является наиболее производительным из провайдеров выполнения.

• TensorRT в среднем быстрее (на 35–45% быстрее DirectML, на 20–25% быстрее CUDA)

• CUDA обеспечивает умеренный прирост производительности по сравнению с DirectML (в среднем на 10–12%)

• CUDA использует значительно больше видеопамяти (VRAM), чем TensorRT; при использовании CUDA попробуйте уменьшить размер пакета

Загрузка компонентов

Если вы выбрали компонент, который ещё не установлен, вам будет предложено его загрузить.

Для использования TensorRT или CUDA необходимо предварительно загрузить соответствующие компоненты.

Note: Эта функция доступна только начиная с версии 25.2.

Рекомендуемый размер пакета

По результатам нашего тестирования, более крупные размеры пакета обеспечивают лучшую Производительность. Для типичной конфигурации с 2–3 камерами мы рекомендуем размер пакета от 16 до 24. Если одновременно с программой вы используете другое программное обеспечение, требующее графических ресурсов, может быть целесообразно попробовать уменьшить размер пакета. В конечном счёте оптимальный размер пакета может зависеть от вашего рабочего процесса и от того, какие программы запущены параллельно с Swing Catalyst.

Расширенные настройки

Ниже настроек провайдера выполнения находятся расширенные настройки, в которых можно изменить модель обнаружения или включить «FP16».

Изменение модели обнаружения с Medium на Nano позволяет снизить потребление памяти видеокартой и повысить производительность, однако за счёт точности.

Если вам не удаётся получить достаточно качественное обнаружение, попробуйте переключить модель на Medium, перезапустите SwingCatalyst и повторите попытку.

• По умолчанию используется модель обнаружения Nano

• «FP16 для TensorRT» по умолчанию не включено

FP16

Использование FP16 может снизить потребление памяти и повысить производительность (за счёт точности).

В ходе тестирования мы обнаружили, что FP16 может повысить производительность на 20–35%.

Кроме того, результаты между Записями могут быть менее стабильными, чем при использовании FP32 по умолчанию. Эту опцию стоит попробовать, если у вас возникают проблемы с производительностью или заканчивается память.

Сравнение производительности

TensorRT (фиолетовый), CUDA (розовый) и DirectML (зелёный), слева направо. Ось Y (FPS) показывает количество Кадров в секунду, которое модель Захвата движения способна обрабатывать, и не связана напрямую с Частотой кадров вашей камеры.

Метрика производительности (FPS) показывает, сколько Кадров в секунду обрабатывается: чем выше число, тем быстрее выполняется обработка. Как видно из приведённой выше иллюстрации, и CUDA, и TensorRT демонстрируют почти линейную зависимость. Например, при переходе с одной камеры на две производительность снижается примерно вдвое. Этот прирост потери производительности менее заметен на новых видеокартах NVIDIA.

Последнее обновление: 2025-05-16 | Просмотреть на официальном сайте поддержки