【2025 NCHC, NVIDIA, OpenACC 黑客松】- 電腦視覺：無人機，運動科學，影像修復

加速農業航拍重建流程 - 讓無人機影像拼接從小時變分鐘

Ndvignition團隊來自 黃能富老師帶領的高速網路實驗室，將無人機影像拼接加速了 5.36 倍！！

TEAM Members: Han Yin Chang, Ge-Han Wu, Ping Chen Hsieh, Chen-Yuan Chung, Pin-Cheng Chan
NVIDIA Mentors: Rick Wu

隨著無人機在農業與環境監測的應用越來越廣，影像拼接成為重要技術。傳統 WebODM 的重建流程在「結構重建（Structure-from-Motion）」與「密集重建（MVS）」階段耗時過長，難以滿足即時分析需求。本團隊針對效能瓶頸分析後，發現主要計算量集中於 OpenSfM。我們導入 GPU 平行化的 InstantSfM，它使用 PyTorch 架構進行 GPU 平行運算。InstantSfM 會把相機位置與特徵點之間的關係轉換成「稀疏矩陣」，只計算真正有關聯的部分，並利用 GPU 同時處理成千上萬個像素與相機參數，大幅加快求解速度。在 NVIDIA A100 上測試後，整體處理時間從近一小時縮短至約 20 分鐘。這項成果能讓精準農業、環境調查與城市數位孿生等領域的影像分析更即時、更有效率。

更多資訊請看：
https://github.com/nqobu/nvidia/blob/main/20251112/08-NDVIgnition.pdf

3D人體姿勢重建

Paw-Patrol團隊來自清華大學資工系「朱宏國和胡敏君老師」帶領的IGVI實驗室，將3D人體姿勢重建加速了 8.5 倍！！

TEAM Members: Chen-Hao Huang, Calvin Ku, Zih-Syuan Jhan, Tsung Hsun Tsai, Pu Ching, Shang Ching Liu
NVIDIA Mentors: Johnson Sun
 

隨著運動科技與人工智慧的快速發展，人體動作捕捉與三維重建已成為理解與分析運動表現的關鍵技術。透過多視角影像重建出精準的人體模型，不僅能獲得比傳統姿勢估計更完整的幾何資訊，還能應用於運動表現分析與擬真人體生成等領域。

然而，現有的多視角重建流程往往計算量龐大、處理速度緩慢，難以滿足即時互動或大規模應用的需求。為了實現更快速的人體重建流程，我們團隊對整個系統進行了優化，並在 EasyMocap 的基礎上加以改良。將其改寫為批次 (Batch) 處理並結合多程序 (Multiprocess) 加速，有效提升運算效率。同時，我們調整了 SMPL 人體模型擬合的優化器參數，以進一步加快人體模型的生成速度。透過 GPU 加速，最終整體流程獲得約 8.5 倍的加速效果。

更多資訊請看：
https://github.com/nqobu/nvidia/blob/main/20251112/09-Paw%20Patrol.pdf

AI 讓老照片秒速重生

Parallel 團隊來自成功大學，將AI 影像修復模型的推論速度加速了2.15倍！！

TEAM Members: Kuan-lin Chen, Syuan-hao Li, Chia-yu Yang, Pin-hsuan Ho, Shang-che Hsieh
NVIDIA Mentors: Ken Liao

AI 影像修復技術能還原珍貴的老舊照片，而「擴散模型」是目前修復品質最好的技術。然而，它天生速度極慢，模型需迭代 300 次，導致推論延遲過高，難以實際應用。為了解決這個瓶頸，我們在此次駭客松中使用 NVIDIA Nsight Systems 找出 U-Net效能熱點，並透過 TensorRT 進行優化。我們成功將推論時間從 2.53 秒/張大幅降低至 1.17 秒/張，達成了 2.15 倍的加速。這個成果讓模型從實驗品變成了實用工具，使其能真正部署到網頁或 App 中，服務大眾。

更多資訊請看：
https://github.com/nqobu/nvidia/blob/main/20251112/03-Parallel.pdf