CVCUDA/CV-CUDA

CV‑CUDA – GPU アクセラレーション対応コンピュータビジョンライブラリ

概要

• 画像およびビデオ処理オペレータ（リサイズ、色変換、フィルタなど）の大規模なセットを実装し、完全に GPU 上で実行するオープンソースの NVIDIA ライブラリ。
• クラウドサーバーから Jetson エッジデバイスまで、NVIDIA ハードウェア上の AI パイプライン向けの高スループット、低レイテンシのビルディングブロックとして設計されています。

主な機能

• GPU ネイティブオペレータ – すべての関数が GPU メモリ上で動作し、コストのかかるホスト・デバイス間転送を回避します。
• Python および C/C++ API – Python（cvcuda ホイール経由）または C/C++ コードから直接ライブラリを使用できます。
• 幅広いハードウェアサポート – CUDA 12.x または 13.x を使用して、x86_64 および aarch64（ARM ベースの Grace および Jetson を含む）で動作します。
• 他の NVIDIA ツールとの統合 – GPU ダイレクト JPEG デコードのための nvImageCodec との例が示されており、ライブラリは他の CUDA アクセラレーションコンポーネントとチェーンできます。
• スケーラブルなパッケージング – プリビルドの Python ホイール、Debian パッケージ、ソースビルド。一度にインストールできる CUDA バージョンは 1 つのみです。

典型的なユースケース

• ディープラーニング推論用のフレームの前処理（例：リサイズ、色変換、クロップ）をビデオスケールのレートで実行。
• レイテンシが重要となるリアルタイムのビジュアルサーチパイプライン。
• CPU ボトルネックなしにカメラストリームを処理する必要がある Jetson デバイス上のエッジ AI。
• パイプライン全体でデータを GPU 上に保持することが有益な、あらゆるコンピュータビジョンワークフロー。

はじめに

# CUDA バージョンに一致するホイールをインストール
pip install cvcuda-cu12   # CUDA 12.x 用
# または
pip install cvcuda-cu13   # CUDA 13.x 用

最小限の Python 例（README に記載）：

import cvcuda
from nvidia import nvimgcodec

decoder = nvimgcodec.Decoder()
img = decoder.read('input.jpg')          # GPU ダイレクトデコード
tensor = cvcuda.as_tensor(img, 'HWC')    # CV‑CUDA テンソルとしてラップ
resized = cvcuda.resize(tensor, (224,224,3), cvcuda.Interp.LINEAR)

ソースからのビルド、Docker 開発イメージ、プラットフォーム固有の注意事項を含む完全なインストール詳細については、オンラインドキュメントを参照してください：https://cvcuda.github.io/CV-CUDA/installation.html。

プロジェクトの健全性とコミュニティ

• NVIDIA によって積極的にメンテナンスされています（最新バージョン v0.19.0）。
• Linux（many‑linux、Ubuntu 22.04+、WSL2）および aarch64 向けのプリビルドバイナリ。Windows は WSL2 経由でのみサポート。
• 現在、コントリビューションは NVIDIA 内部チームに限定されていますが、ユーザーは GitHub の issue を通じてバグや機能リクエストを報告できます。
• Apache‑2.0 ライセンスで、商用利用と変更が可能です。

重要性 CV‑CUDA により、開発者はビジョン前処理スタック全体を GPU 上に保持でき、大規模 AI サービスのスループットを制限する従来の CPU‑GPU ボトルネックを排除できます。CPU ベースのライブラリ（例：OpenCV）に代わるドロップインで GPU アクセラレーションされた代替手段を提供することで、AI チームはビジュアルサーチ、ビデオエンハンスメント、リアルタイム分析などのタスクで、より高いフレームレートと低レイテンシを達成できます。