참고팁Reddit
실시간 영상 트래킹 비용 2배 절감하는 'tamserve' 공개
SAM 2 기반 트래킹 시 GPU 메모리 문제 해결 및 처리 효율 최적화 도구. 영상 분석 파이프라인 최적화 시 유용.
요약
SAM 2.1 및 EdgeTAM과 같은 실시간 비디오 추적 모델은 정확도가 높으나, 메타의 원본 코드는 GPU 메모리 점유 문제로 인해 장시간 구동이 어렵다는 단점이 있습니다. 이를 해결하기 위해 개발된 tamserve는 모델을 여러 카메라가 공유하도록 설계되어 메모리 사용량을 일정하게 유지하며, 메타의 기존 코드 대비 최대 3.8배 빠른 속도로 무기한 작동합니다. 특히 RTX 4090 GPU를 기준으로 30fps 환경에서 카메라당 일일 비용을 2.40달러에서 1.07달러로 낮추는 등 운영 비용을 절반 이하로 절감할 수 있습니다. 또한 객체의 실시간 추가 및 삭제가 가능하고, 카메라 자동 재연결 기능과 멀티 GPU 확장성을 지원합니다. 해당 프로젝트는 오픈소스로 공개되어 GitHub 및 Colab을 통해 즉시 테스트해 볼 수 있습니다.
AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.
원문 제목 I built tamserve to make real-time video tracking 2x cheaper [P]
원문 보기 ↗