案例簡介

GALA Sports 的 Arena4D 方案使用多個(gè)高清攝像機(jī)，將數(shù)據(jù)傳輸?shù)揭粋€(gè)本地 HPC 中，經(jīng)過一系列的神經(jīng)網(wǎng)絡(luò)流水線，實(shí)時(shí)計(jì)算出每個(gè)運(yùn)動(dòng)員的位置與姿態(tài)，從而將整個(gè)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(gè) 4K 相機(jī)的數(shù)據(jù)，流水線包括圖像前處理、運(yùn)動(dòng)員追蹤與識(shí)別、球的追蹤識(shí)別、骨骼關(guān)鍵點(diǎn)識(shí)別，多幀時(shí)間軸降噪等多個(gè)算法模塊，為了達(dá)到實(shí)時(shí)計(jì)算，Arena4D 使用了 NVIDIA A100 GPU 加速神經(jīng)網(wǎng)絡(luò)計(jì)算，并使用 Tensor RT、CUDA 進(jìn)行深度優(yōu)化，經(jīng)過優(yōu)化部署的算法計(jì)算速度相對(duì)于早期算法原型有 10 倍以上的性能提升。

本案例主要應(yīng)用到 NVIDIA A100 GPU、TensorRT和CUDA。

客戶簡介及應(yīng)用背景

望塵科技（GALA Sports）于 2013 年在深圳成立，是一家以技術(shù)為驅(qū)動(dòng)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(yàn)，目前團(tuán)隊(duì)成員 300 余人，分別于深圳、成都設(shè)有辦公地點(diǎn)。

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(guān)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(gòu)、人體運(yùn)動(dòng)模擬、球類競技 AI、表情與肌肉物理模擬、超寫實(shí)數(shù)字人、大場景渲染等幾個(gè)領(lǐng)域處于國內(nèi)外領(lǐng)先地位。

客戶挑戰(zhàn)

多臺(tái)高清攝像頭每幀圖像需上傳到顯卡進(jìn)行實(shí)時(shí)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(luò)的計(jì)算流水線，需要實(shí)時(shí)進(jìn)行多個(gè)視角、多個(gè)運(yùn)動(dòng)員的追蹤、識(shí)別、姿態(tài)估計(jì)與降噪計(jì)算。

在多個(gè) AI 模型級(jí)聯(lián)計(jì)算流水線中，每個(gè) AI 模型之間的數(shù)據(jù)處理與拷貝占用了大量的時(shí)間。

應(yīng)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(duì)多相機(jī)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(shù)實(shí)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(jī)數(shù)據(jù)的拷貝與轉(zhuǎn)碼從約 50ms 減少到 30ms。

針對(duì)神經(jīng)網(wǎng)絡(luò)流水線的計(jì)算延遲問題，首先我們根據(jù)體育比賽的使用場景與相機(jī)視角對(duì)模型結(jié)構(gòu)進(jìn)行了優(yōu)化，根據(jù)不同體育類型的相機(jī)機(jī)位和球場尺度，設(shè)計(jì)了專門針對(duì)特定比賽的識(shí)別網(wǎng)絡(luò)，大大降低了網(wǎng)絡(luò)的復(fù)雜度；然后使用量化工具對(duì)網(wǎng)絡(luò)進(jìn)行 fp16 量化加速，最后使用 TensorRT 針對(duì) A100 編譯，在 A100 上能達(dá)到最優(yōu)性能的模型。

針對(duì)計(jì)算流水線模型之間數(shù)據(jù)處理耗時(shí)的問題，首先我們通過合并部分神經(jīng)網(wǎng)絡(luò)模型重新訓(xùn)練，然后對(duì)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?jǐn)?shù)據(jù)處理的 kernel，并針對(duì) A100 的硬件結(jié)構(gòu)對(duì)并行參數(shù)進(jìn)行調(diào)優(yōu)，最終將數(shù)據(jù)處理 30ms 的計(jì)算時(shí)間降低到 5ms。

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

方案效果及影響

將整個(gè)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(shí)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(shí)時(shí)計(jì)算成為可能，在體育比賽過程中的實(shí)時(shí)計(jì)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(shí)時(shí)戰(zhàn)術(shù)分析、自由視角回放、比賽結(jié)果預(yù)測等新場景，提升了系統(tǒng)方案的價(jià)值。

我們的硬件方案也從 4 臺(tái) HPC 縮減到 1 臺(tái) 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(hù)和使用的復(fù)雜度，提升了系統(tǒng)可靠度。

后續(xù)，我們計(jì)劃：

通過將流水線中部分網(wǎng)絡(luò)使用 Int8 量化以進(jìn)一步提升性能；

將整體流水線遷移到 CUDA C++ 代碼中進(jìn)一步提升性能；

把性能提升空余的計(jì)算資源用于提升網(wǎng)絡(luò)模型的復(fù)雜度以提升精度；

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

使用 Nsight 在 A100 真實(shí)環(huán)境中進(jìn)一步 profile，減少 overhead。

審核編輯：郭婷