异构计算在视频处理场景中有哪些作用？

除了利用 GPU 的加速 API CUDA 来做视频处理，GPU 还集成了多种视频处理硬件加速功能。GPU 的视频硬件解压功能能够利用 GPU 片上的硬件单元快速解码高清视频流，最高可以支持 8K 高清视频解码，支持 MPEG-2、 VC-1、H.264、vp-8 和vp-9 等主流编码协议，以 1080P、24 帧/ 秒的高清解码为例，单 GPU 最高可以同时解码 30 路的视频流。

GPU 可以将解码之后的数据保存在片上的高速显存之中，然后配合运行于 GPU 之上的基于 CUDA 的深度学习算法，对解码之后的图像进行实时的分类、检测和理 解等操作 ；随后，还可以根据需要，通过 GPU 附带的硬件视频编码，把这些处理之后的 单帧视频图片，重新编码为视频流输出。GPU 可以支持最高 HEVC 的 8K 图像的编码压缩。以 H.264 协议为例，压缩 24 帧 / 秒的 1080P 高清图像，一个 GPU 最高可以同时处理 15 路图像。在相似的峰值信噪比 PSNR 下，GPU 的处理能力可以达到 X264 处理能力的 4 倍到 5 倍。

上图所示的是基于GPU 云服务器的加速视频转码方案，在 2018 年世界杯直播期间，其窄带高清 2.0 技术可根据画面内容优化编码，并使用AI 技术识别画面中的足球、球员、草地，并对之分别采取不同的编码优化策略，使得整个画质更具层次感、人像清晰。

除了GPU 云服务器，使用FPGA 云服务器也能进行高效的视频转码，支持 FFMPEG 计算框架下的 H.264、H.265 等 IP 应用。

资料来源：《弹性计算—无处不在的算力》