Программисты — удалённая работа в Москве

Задание на разработку модуля высокопроизводительной предобработки видеопотока. Разработка с нуля. Пожелания и особенности: Техническое Задание на разработку модуля высокопроизводительной предобработки видеопотока 1. Общие сведения Проект: «Система интеллектуального анализа видеопотоков высокой плотности» (СИАВВП). Цель проекта: Разработка программного модуля (Software Development Kit, SDK) для эффективной подготовки и сжатия данных с оптических сенсоров в режиме реального времени. 2. Назначение и область применения Модуль предназначен для интеграции в серверные платформы, обрабатывающие данные от распределенной сети промышленных камер высокого разрешения. Основное требование — обеспечение минимальной задержки при передаче данных по каналам связи с ограниченной пропускной способностью. 3. Ключевые требования к модулю (KPI) Производительность (Latency): Модуль должен обеспечивать сквозную обработку входного потока с разрешением [Email скрыт] FPS. Время обработки одного кадра не должно превышать 16.6 мс. Допускается использование буферизации глубиной не более 1 кадра. Эффективность сжатия (Compression Efficiency): При целевом индексе качества (VMAF >= 90) битрейт выходного потока должен быть снижен не менее чем на 25-30% относительно базового алгоритма (Baseline Encoder 'SVT-HEVC'). Ресурсопотребление: Программная реализация должна эффективно утилизировать векторные инструкции процессора (AVX2/AVX-512) и укладываться в лимит потребления CPU не более 50% мощности одного ядра современного серверного процессора (например, Intel Xeon Gold). 4. Функциональные требования 4.1. Гибкая блочная архитектура: Реализовать конвейер обработки на основе иерархической структуры блоков переменного размера (от 64x64 до 128x128 пикселей) для адаптивной сегментации сцены. 4.2. Продвинутый алгоритм предсказания: Внедрить механизм компенсации движения с использованием сложных моделей поиска векторов смещения. Алгоритм должен динамически адаптироваться к характеру контента (статичные фоны vs высокая динамика). 4.3. Контекстно-зависимое квантование: Реализовать энтропийное кодирование с адаптивным квантованием коэффициентов преобразования. Уровень детализации должен определяться эвристическим анализом важности блока для сохранения целостности данных. 4.4. Интеграция вспомогательных моделей:** Предусмотреть программный интерфейс (API) для подключения внешних легковесных нейросетевых моделей (TinyML) для задач классификации блоков и прогнозирования динамики сцены (Look-ahead prediction). Это необходимо для оптимизации работы основного конвейера. 5. Требования к реализации Язык программирования: C++17 / C++20. Строгое исключение использования динамической памяти внутри критических циклов обработки кадров. Обязательное использование интринсиков для векторизации вычислений. Кросс-платформенность: сборка и стабильная работа в среде Linux x86_64. 6. Критерии приемки (Acceptance Criteria) Работа считается выполненной после успешного прохождения автоматизированных тестов производительности на эталонном наборе видеоданных: 1. Тест на задержку: Средняя скорость обработки > 60 FPS. 2. Тест на качество: Оценка VMAF на выходе выше или равна оценке эталонного энкодера при сопоставимом битрейте. 3. Тест на эффективность: Достижение целевого показателя снижения битрейта (-25% к Baseline).