M1 MaxとローカルMLモデルを使用した669 GBのGoPro映像のインデックス作成

大規模ビデオライブラリのためのローカルMLインデックス作成

開発者の iliashad は、M1 Max コンピュータとローカルのオープンソース機械学習モデルを使用して、628本のビデオ（合計15時間13分）にわたる668.68 GBのGoPro映像をインデックス化しました。このアプローチにより、クラウドサービスに依存することなく、膨大な量の生映像の中から特定の瞬間を効率的に発見することができ、プライバシーを確保し、高いアップロードコストを回避できます。

技術的な実装とワークフロー

このプロジェクトの主な目的は、GoProビデオライブラリの検索可能なインデックスを作成し、編集のための「興味深い瞬間」を特定することです。ワークフローは、ビデオファイルを分析するためにローカルMLモデルを統合し、同じインデックスを使用して選択されたクリップを DaVinci Resolve のタイムラインに直接プッシュします。

ハードウェアと規模

  • ハードウェア: Apple M1 Max
  • データ量: 668.68 GB の生ビデオ
  • 628本のビデオ をインデックス化
  • 合計時間: 15時間13分18秒

編集ソフトウェアとの統合

映像をローカルでインデックス化することで、ユーザーは特定の視覚的またはテーマ的な要素を検索し、その後、最高のクリップを直接 DaVinci Resolve に送信して、生データの分析から最終的なビデオ制作への移行を効率化できます。

コミュニティの議論と技術的な検討事項

このプロジェクトは Apple Silicon 上でのローカル ML の能力を示していますが、Hacker News のコミュニティメンバーは、ハードウェアとアーキテクチャに関するいくつかの技術的なニュアンスについて議論しました。

コンテナ内での GPU 加速

ある貢献者 @fl0id は、特定のツールを使用することで、コンテナ内で Apple GPU 加速を実現できると指摘しました。

it is possible to use apple gpu with containers. either with podman + runkit + recent mesa or with recent vllm-metal from docker

ハードウェアのパフォーマンス比較

また、M1 Max のアーキテクチャについても議論があり、ユーザーは、Windows ARM のパフォーマンスが同様の ML ワークロードにおいてどのように比較されるかを理解するために、その ARM ベースの SoC (System on a Chip) のパフォーマンスを従来の x86 アーキテクチャ（第11世代 Intel i9 など）と比較しました。

結論

このプロジェクトは、M1 Max のようなコンシューマー向けハードウェア上でローカル ML モデルをどのように活用して、大規模なビデオデータセットをローカルで処理できるかを示す実用的な例であり、プロフェッショナルなビデオ編集のために数時間の映像をマニュアルで確認するのに必要な時間を大幅に短縮します。

Sources