案例簡介

GALA Sports 的 Arena4D 方案使用多個高清攝像機，將數(shù)據(jù)傳輸?shù)揭粋€本地 HPC 中，經(jīng)過一系列的神經(jīng)網(wǎng)絡流水線，實時計算出每個運動員的位置與姿態(tài)，從而將整個比賽場景數(shù)字化。

Arena4D 的中央處理 HPC 需要以 30FPS 的速度處理 4-12 個 4K 相機的數(shù)據(jù)，流水線包括圖像前處理、運動員追蹤與識別、球的追蹤識別、骨骼關鍵點識別，多幀時間軸降噪等多個算法模塊，為了達到實時計算，Arena4D 使用了 NVIDIA A100 GPU 加速神經(jīng)網(wǎng)絡計算，并使用 Tensor RT、CUDA 進行深度優(yōu)化，經(jīng)過優(yōu)化部署的算法計算速度相對于早期算法原型有 10 倍以上的性能提升。

本案例主要應用到 NVIDIA A100 GPU、TensorRT和CUDA。

客戶簡介及應用背景

望塵科技（GALA Sports）于 2013 年在深圳成立，是一家以技術為驅(qū)動的互聯(lián)網(wǎng)公司，多年來一直專注于體育游戲和賽場數(shù)字化，致力于為用戶提供高品質(zhì)的體育在線娛樂體驗，目前團隊成員 300 余人，分別于深圳、成都設有辦公地點。

憑借歷年來在體育游戲市場的深耕與穩(wěn)定的高質(zhì)量產(chǎn)品研發(fā)，望塵科技推出了《足球大師》、《NBA 籃球大師》、《最佳 11 人》等多款體育類手游，與 FIFPro、NBA、中超、拜仁、巴薩、曼聯(lián)、皇馬、國米等體育聯(lián)盟及豪門俱樂部保持著長期的合作關系。目前，擁有全球超過 2000 萬的下載用戶，全球日活躍用戶量超 50 萬人次；在賽場三維重構、人體運動模擬、球類競技 AI、表情與肌肉物理模擬、超寫實數(shù)字人、大場景渲染等幾個領域處于國內(nèi)外領先地位。

客戶挑戰(zhàn)

多臺高清攝像頭每幀圖像需上傳到顯卡進行實時轉(zhuǎn)碼、降噪等前處理工作，數(shù)據(jù)吞吐量較大。

基于神經(jīng)網(wǎng)絡的計算流水線，需要實時進行多個視角、多個運動員的追蹤、識別、姿態(tài)估計與降噪計算。

在多個 AI 模型級聯(lián)計算流水線中，每個 AI 模型之間的數(shù)據(jù)處理與拷貝占用了大量的時間。

應用方案

基于以上挑戰(zhàn)，GALA Sports 選擇了 NVIDIA 提供的 AI 加速解決方案——TensorRT。

針對多相機從內(nèi)存到顯存大量數(shù)據(jù)拷貝 IO bound 問題，我們使用 CUDA 多流技術實現(xiàn)了內(nèi)存拷貝與數(shù)據(jù)處理并行化，降低了 overhead，4 路 4k 相機數(shù)據(jù)的拷貝與轉(zhuǎn)碼從約 50ms 減少到 30ms。

針對神經(jīng)網(wǎng)絡流水線的計算延遲問題，首先我們根據(jù)體育比賽的使用場景與相機視角對模型結(jié)構進行了優(yōu)化，根據(jù)不同體育類型的相機機位和球場尺度，設計了專門針對特定比賽的識別網(wǎng)絡，大大降低了網(wǎng)絡的復雜度；然后使用量化工具對網(wǎng)絡進行 fp16 量化加速，最后使用 TensorRT 針對 A100 編譯，在 A100 上能達到最優(yōu)性能的模型。

針對計算流水線模型之間數(shù)據(jù)處理耗時的問題，首先我們通過合并部分神經(jīng)網(wǎng)絡模型重新訓練，然后對于必須保留的數(shù)據(jù)處理代碼，我們用 CUDA C++ 重寫了大部分數(shù)據(jù)處理的 kernel，并針對 A100 的硬件結(jié)構對并行參數(shù)進行調(diào)優(yōu)，最終將數(shù)據(jù)處理 30ms 的計算時間降低到 5ms。

最終，以足球場場景為例，追蹤目標為 1 個足球 + 22 名球員 + 3 名教練的位置與骨骼，在 1 張 A100 設備上我們實現(xiàn)了平均 50ms/幀的速度，在 2 張 A100 設備上能達到平均 30ms/幀的速度，整個流水線比原型提升了 18 倍。

方案效果及影響

將整個推理端算法流水線經(jīng)過上述方法優(yōu)化后，相較于未用 TensorRT 與 CUDA 優(yōu)化的算法原型，我們實現(xiàn)了 18 倍的性能提升，使超大規(guī)模體育場景的姿態(tài)捕捉與重建的實時計算成為可能，在體育比賽過程中的實時計算產(chǎn)生了許多新的用途，我們的客戶能夠?qū)⑦@些數(shù)字化內(nèi)容用于直播解說、實時戰(zhàn)術分析、自由視角回放、比賽結(jié)果預測等新場景，提升了系統(tǒng)方案的價值。

我們的硬件方案也從 4 臺 HPC 縮減到 1 臺 HPC 搭載 2 張 A100 GPU，不僅顯著地降低了成本，也顯著降低了系統(tǒng)維護和使用的復雜度，提升了系統(tǒng)可靠度。

后續(xù)，我們計劃：

通過將流水線中部分網(wǎng)絡使用 Int8 量化以進一步提升性能；

將整體流水線遷移到 CUDA C++ 代碼中進一步提升性能；

把性能提升空余的計算資源用于提升網(wǎng)絡模型的復雜度以提升精度；

將 CenterNet 與 Dense Sematic 網(wǎng)絡特征提取部分替換成 Vision Transformer 以提升精度；

使用 Nsight 在 A100 真實環(huán)境中進一步 profile，減少 overhead。

審核編輯：郭婷