生成式及多模态人工智能(AI)工作负载的广泛增长，推动了对计算机视觉(CV)技术日益高涨的需求。此类技术能够解释并分析源自现实世界的视觉信息，并可应用于人脸识别、照片分类、滤镜处理及增强现实等多种应用中。然而，这些计算机视觉应用可能很难实现最优化的延迟性能和处理速度，特别是在内存大小、电池容量和处理能力有限的移动设备上难度更高。

       而Arm KleidiCV便能在其中大显身手。该开源库利用了最新Arm CPU中的高性能图像处理功能，可被集成至各类计算机视觉框架中，从而简化并加速计算机视觉工作负载的性能优化，而无需开发者执行额外操作。这一点对于移动设备来说至关重要。加速图像处理是为多样的AI用例打造更轻量化、更准确且性能更强大的模型的第一步，也是关键一步。此外，也可在为用户维持电池寿命的同时，使计算机视觉功能运行得更加快速。

       KleidiCV通过与全球最大的开源计算机视觉库OpenCV实现新的集成，使得全球数百万计算机视觉开发者都可以利用其进行性能加速。该集成现已上线，安卓用户可通过OpenCV 4.11默认获取，这为安卓移动市场中Arm架构设备上的计算机视觉应用提供了前所未有的性能增强。

KleidiCV与OpenCV集成的性能优势

       OpenCV是全球计算机视觉开发者的首选平台，OpenCV Python包的日均下载量超过30万次。KleidiCV与OpenCV的集成（由Maven代码仓库访问）通过直接映射到能够为计算机视觉工作负载提供一系列加速功能的底层Arm架构和特性（如Neon和SVE2），从而为计算机视觉开发者实现自动的性能增强。

       去年，Arm同步推出了KleidiAI和KleidiCV。KleidiAI库为集成至AI框架提供目标内核，并在Arm CPU上无缝加速传统机器学习和生成式AI模型。发布时的初始基准测试显示，OpenCV上的各类图像处理任务的典型性能提升了75%。

       通过将KleidiCV集成到OpenCV 4.11，上述性能（或OpenCV上的各类图像处理任务的典型）提升了高达四倍，进而能够为对象检测和识别以及图像分割中使用的关键图像处理任务加速计算机视觉计算，并实现更快的响应时间。这些任务包括：

       ●模糊处理：通过减少高频细节来增强图像以进行对象检测；

       ●滤镜：用于锐化和平滑图像；

       ●旋转：对齐图像以进行对象识别；

       ●调整大小：降低处理大尺寸图像时的计算负载。

KleidiCV的主要特性和优势

       KleidiCV通过自动检测运行它的硬件并相应地选择最佳实现来简化开发过程。这意味着开发者无需手动优化其代码即可实现更高性能。KleidiCV的其他主要特性和优势包括：

       ●多线程：该特性可加速处理，并实现更卓越的性能。

       ●广泛的适用性：KleidiCV支持包括图像处理和调整大小等在内的各种工作负载，使其与汽车、消费类技术和基础设施市场中的广泛应用均息息相关。

       ●内置安全性：Arm的Security Development Lifecycle（安全性开发生命周期）已被嵌入至KleidiCV的功能中。

OpenCV 4.11的增强功能和更新

       OpenCV 4.11的更新为其计算机视觉工作负载工具和功能套件带来了多项增强功能，这些增强功能与KleidiCV集成相辅相成。其中包括：

       ●改进的DNN模块：通过InferenceEngine后端为3D卷积网络和异步推理提供初始支持。

       ●增强的Calib3d模块：用于solvePNP和姿态优化例程的新IPPE算法。

       ●优化的通用内部函数：提供AVX-512实现和其他优化以实现更加出色的性能。

       这些更新与KleidiCV的优化相结合，显著增强了OpenCV的功能，使其成为开发者的强大工具。

塑造计算机视觉工作负载的未来

       KleidiCV的首次集成现已完成，Arm不断彰显软件优化如何在移动端的Arm CPU上充分释放新的计算机视觉性能和功能。这不仅为移动端，更是为其他多样化的市场（例如机器人、汽车和医疗应用等）的计算机视觉工作负载加速和模型铺平了道路。

       通过利用Arm CPU的强大性能和OpenCV的广大开发者用户，OpenCV 4.11与KleidiCV的集成能够为各类计算机视觉应用带来显著的性能增强。借助KleidiCV和Arm领先的计算平台，Arm正在塑造计算机视觉在移动端及更广泛领域的未来。