首页
/ MediaPipe v0.10.24版本深度解析:跨平台AI推理框架的重大升级

MediaPipe v0.10.24版本深度解析:跨平台AI推理框架的重大升级

2025-06-01 16:36:26作者:郁楠烈Hubert

MediaPipe是Google开源的一个跨平台多媒体机器学习框架,它能够处理视频、音频和传感器数据流,并支持在移动设备、边缘设备和Web浏览器上高效运行机器学习模型。本次发布的v0.10.24版本带来了多项重要更新,涵盖了构建系统改进、核心计算图增强以及各平台任务API的优化。

构建系统与核心框架升级

本次版本在构建系统方面进行了多项优化。首先移除了对自定义C++版本的依赖,转而采用构建时设置的通用C++版本,这简化了构建配置过程并提高了兼容性。新增的FdFinishedFunc工具为文件描述符处理提供了更便捷的方式。

在核心计算图功能方面,v0.10.24引入了对源层(source layers)的支持,并添加了回边(Back-Edge)功能,这使得构建复杂的数据流图更加灵活。WebGPU支持方面也有所增强,新增了WebGpuCreateRenderPipelineAsync工具,并改进了WebGpuAsyncFuture的析构函数,确保正确释放待处理的future对象。

调试工具方面,新增了多种日志记录功能,包括支持记录Tensor、ImageFrame和cv::Mat对象,以及Halide缓冲区的日志记录。这些工具大大简化了开发过程中的调试工作。

性能优化方面,通过避免在每次CalculatorNode::ProcessNode调用时创建未使用的StatusRep对象,减少了不必要的内存分配和释放操作。同时,对ImmediateMuxCalculator增加了处理时间戳边界的选项,提供了更精确的时间管理。

模型支持与量化优化

v0.10.24版本扩展了对Gemma系列模型的支持,新增了GemmaV2-2B和GemmaV3-1B模型通过XNNPACK的兼容性。在量化处理方面,优化了动态量化过程,现在只在投影到查询、键和值之前对输入进行一次量化,而不是多次,这提高了处理效率。

权重缓存机制也有所改进,现在支持从文件描述符加载PackWeightsCache,这为资源受限环境下的模型加载提供了更多灵活性。

多平台任务API增强

Android平台改进

Android端的改进主要集中在LLM推理会话管理上。新增了updateSessionConfig和getSentencePieceProcessor API,提供了更灵活的会话配置方式。同时添加了getSessionOptions方法,使得OpenCL支持的推理会话能够被克隆。

异步生成支持方面,新增了取消功能,这在处理长时间运行的生成任务时特别有用。图像处理方面,移除了不必要的图像分块处理,并公开了最大处理图像数量,为多模态处理提供了更好的支持。

iOS平台优化

iOS平台主要增加了对视觉模态的支持,并将Skia转换逻辑移到了LLM C库中,这提高了图像处理的效率和跨平台一致性。

Web平台增强

Web端的LLM推理取消了maxBufferSize和maxStorageBufferBindingSize的人工限制,允许更大的模型在浏览器中运行。同时改进了错误消息提示,特别是针对回调中发生的重入情况。新增了强制使用float32精度的选项,为需要更高精度的应用场景提供了支持。

Python接口改进

Python接口方面,新增了对ImageFrame向量包的支持,允许更高效地处理图像序列。同时优化了图像帧的拷贝操作,减少了不必要的内存复制。模型转换工具也有所增强,支持在.task文件中捆绑额外的.tflite模型,并扩展了对Gemma3模型LoRA转换的支持。

总结

MediaPipe v0.10.24版本在多方面进行了显著改进,从底层构建系统到高层API都进行了优化。新增的模型支持、改进的量化策略和各平台特定的增强功能,使得开发者能够构建更高效、更灵活的跨平台AI应用。特别是对Gemma系列模型的支持扩展和WebGPU功能的增强,为前沿AI应用的部署提供了更多可能性。这些改进共同推动了MediaPipe作为一个成熟的多媒体机器学习框架的发展,使其在移动和边缘计算场景中更具竞争力。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8