AMD 为 FFmpeg DNN 过滤器贡献 ONNX Runtime 后端
摘要
一位 AMD 工程师为 FFmpeg 的 DNN 过滤器贡献了 ONNX Runtime 后端,使其能够在 GPU 和 NPU 平台上进行 AI 模型推理,用于超分辨率、目标检测等任务,尤其让 Ryzen AI NPU 在 FFmpeg 中发挥作用。
查看缓存全文
缓存时间: 2026/06/25 13:21
AMD 为 FFmpeg DNN 滤波器贡献 ONNX Runtime 后端
来源:https://www.phoronix.com/news/FFmpeg-DNN-ONNX-Runtime 多媒体
一位 AMD 工程师为上游 FFmpeg 库贡献了 ONNX Runtime 后端,用于其 DNN 滤波器。FFmpeg 深度神经网络(DNN)滤波器允许在视频处理流程中原生运行 AI 模型,用于超分辨率、目标检测、背景分割等。这一 ONNX Runtime 后端支持值得关注,因为它扩展了 FFmpeg 在 GPU 和 NPU 上的能力。
AMD 工程师 Steven Xiao 为 FFmpeg 的 DNN 处理滤波器编写了 ONNX Runtime 后端。这一新增功能使 FFmpeg DNN 能够在多种 GPU 和 NPU 平台上进行推理。除了 CPU 执行外,还支持 NVIDIA CUDA、跨主要 GPU 厂商的 Windows DirectML 执行,以及通过 ONNX Runtime VitisAI 执行提供程序在多种平台上支持 AMD Ryzen AI NPU。主要意义在于 AMD 开始让 Ryzen AI NPU 在 FFmpeg 中发挥作用。
FFmpeg ONNX Runtime 后端的使用示例
感兴趣的读者可以通过此提交 (https://git.ffmpeg.org/gitweb/ffmpeg.git/commit/a2856b3c3084ea45ca5b94a5daded25f85c41dac) 了解更多关于此 FFmpeg DNN 滤波器的 ONNX Runtime 后端信息。
相似文章
AMD的小型AI PC预示着模型推理向本地化未来的转变
AMD的Ryzen AI Max平台配备128GB统一内存,可本地推理高达2000亿参数的大模型,旨在将AI工作负载从云端转移到紧凑的个人硬件上。
现在可以在 AMD NPU 上通过 FastFlowLM 运行 Qwen 3.8 27B(解码速度约 1 tps)
AMD 的 ROCm/FastFlowLM 现已支持在 Ryzen AI XDNA2 NPU 上运行 Qwen 3.8 27B(以及其它 MoE、视觉、音频和嵌入模型),无需 GPU,最高支持 256k 上下文,运行时仅 17 MB 轻量级——不过 27B 模型的解码速度被指出仅为较慢的 1 token/s。
AMD的Lemonade SDK为本地AI添加了NVIDIA CUDA支持
AMD的Lemonade SDK在10.7版本中为本地AI添加了NVIDIA CUDA支持,使得在竞争对手的GPU上也能获得相同的本地AI服务器体验。该版本还引入了lemonade bench,用于跨后端的LLM基准测试,并提供了更广泛的Vulkan支持。
Intel 与 AMD 携手 PyTorch/oneDNN 开展软件优化合作
Intel 与 AMD 联合宣布,双方将通过 oneDNN 就 PyTorch 的 x86 CPU 软件优化展开合作,AMD 将其 ZenDNN 的改进贡献到上游项目,并以指导成员身份加入 UXL 基金会。
@AMD: 从系统启动到调优,AMD 与 @OpenAI 的工程师们正在分享见解,以进一步提升性能。深入合作幕后…
AMD 与 OpenAI 的工程师合作分享性能优化方面的见解,并邀请 OpenAI 计算策略副总裁 Sachin Katti 进行幕后解读。