旧电影焕新：从“小应用”窥见CANN计算架构的“大能力”

图历史影像素材修复和增强流程

昇腾多层次算法优化，CANN以基础软件创新释放平台算力

可以看到，上述AI视频增强技术在创新之外都强调了对计算性能的需求，既要保证处理效果，又要提升处理效率，对AI平台是重大的考验，而昇腾AI很好地完成了应有的支撑任务。

这背后，尤为关键的是昇腾全栈AI体系下的异构计算架构CANN，作为基础软件创新成果，CANN高性能平台推动实现着一系列AI视频增强能力的落地。

CANN，全称Compute Architecture for Neural Networks，是昇腾处理器的异构计算架构，支持业界多种主流的AI框架，提供开放易用的ACL（Ascend Computing Language）编程接口、实现对网络模型进行图级和算子级的编译优化、自动调优等功能。用户不仅能在上层算法层面对性能进行优化，也可以通过CANN开发和优化算子。

要理解CANN的价值，要先从AI视频增强的原理谈起。

每个基于AI的视频修复和增强算法是由一个个小的计算单元组成的，专业术语为“算子”，算子有不同的处理顺序，不同算子之间也可能存在依赖关系。

通俗地理解，其处理过程我们可以用厨师做菜来打个比方：

做菜工序可分为切菜、洗菜、调料准备、烧制、调味、摆盘等，不同的工序之间有依赖关系，摆盘前必须烧制，烧制前必须洗菜；或者可以并行操作，比如切菜洗菜的时候可以一并准备调料。经验丰富的厨师都能以最大化的效率完成一道菜的制作，并且通过对原材料、配料和调味料的充分理解、搭配和融合，提升菜品质量。昇腾AI就是这样包含了许多专门用AI来“做菜”的“厨师”的平台，上面的硬件就是一位位“厨师”，异构计算架构CANN则是协调各位厨师的主厨。

这其中，而无论上文提到的去噪模型、超分辨率模型、人脸增强模型等，都包含到大量的计算过程，涉及到许多算子，整个计算复杂度非常大，如果平台能自动根据每个具体的算子情况进行调优，所谓积跬步致千里，就能显著提升各个算法的性能。

CANN对超分算法进行了自动调优，根据硬件特性和算子的输入来优化各算子的计算过程，就像让每个厨师清楚了解各种原材料的特性，并合理规划原材料的处理步骤，将材料的美味发挥到极致。

而值得一提的是，由于超分辨率算法中存在可变卷积，包含多个不同类型的小算子，需要在不同硬件上进行处理，中间会有硬件之间的数据和信息传递，这增加了处理的耗时，这就相当于是同一个工序由两个技术各有偏重的师傅一起交替处理，两者还需要配合和沟通，不如让一个技术更成熟更全面的师傅来进行处理，减小沟通成本，加快处理速度。

而CANN能够将可变卷积内包含的算子进行优化，让统一的硬件来整合和处理这一计算过程，使可变卷积的性能大幅提升，进一步提升了超分辨率算法的性能。

通过CANN的特性，昇腾AI大幅提升了这些算法的处理速度：

去噪模型在昇腾平台上的处理速度能达到其他同类平台的3倍，在保证前后帧一致的前提下，能去除画面中起落的随机噪声和小面积斑块划痕；

超分辨率算法优化后的速度比优化前最大提升了30倍，处理后画面整体和背景文字等变得更加精细；

人脸增强模型对1080P画面的处理速度仅需0.5秒，处理后人脸精细度和画面观感得到了显著提升。

可以看到，昇腾AI的这些改进都是基础软硬件层面的根技术创新，它对视频影像资料几乎是普适的，可以拓展到所有片源，在应用价值基础之上具备广泛的产业落地能力。

未来，更多珍贵影像资料将在AI的守护下历久弥新，帮助我们珍藏历史和记忆，而这样的AI，才算得上是走近了每一个人的身边。

*本文图片均来源于网络

*此内容为[科技向令说]原创，未经授权，任何人不得以任何方式使用，包括转载、摘编、复制或建立镜像。

[完]

曾响铃

1钛媒体、品途、人人都是产品经理等多家创投、科技网站年度十大作者；