David G.

Les chercheurs de SnapChat ont développé un algorithme de traitement d'image en Python.

A des fins de démos, ils avaient besoin d'avoir un processing en temps réel à 30 images/seconde.

- codage de l'algorithme en C++

- traitement d'image utilisant OpenCV CUDA + du code natif CUDA

- optimisation de l'inférence PyTorch avec NVIDIA TensorRT

- tuilage pour inférence multi-GPU (2x NVIDIA RTX 4090)

- packaging dans une image Docker

VideoVillage développe des plugins OpenFX pour DaVinci Resolve.

Filmbox et Scatter n'étaient disponible que sous macOS. Afin d'élargir sa base de clients, VideoVillage a besoin de versions Windows et Linux utilisant CUDA.

Mon rôle a été de porter/optimiser ces plugins sous Windows/Linux en utilisant CUDA.

Filtres gaussien, box et disc rapide pour de grandes tailles.

Lut1D, Lut3D optimisées.

Changement d'espace colorimétrique (Lin2Log, Log2Lin)

Ajout de tests unitaires et de performances.

Développement d'un framework d'analyse/tracking de pose afin de suivre les performances (souplesse, détente, ...) d'un utilisateur lors de la réalisation d'exercices.

- Adaptation de la solution Pose de MediaPipe au besoin du client

- calculs de différents ratios, angles

- rendu 3D custom

- exposition du code C++ en ObjC/Swift pour iOS et Java/JNI pour Android

- packaging du binaire en Pose.framework pour iOS et Pose.aar pour Android

- développement d'une application de capture iOS/iCloud et un viewer C++/Qt sous macOS pour aider au choix des exercices et au debug

- support au développeur de l'application finale