Intel DL Streamer からの移行¶

このガイドでは、DL Streamer のパイプラインをこのフレームワークに対応付けます。パイプラインの構造は同じです（GStreamer の要素、GstAnalytics のメタデータ、トラッキング/変換/送信用の gva*）。変わるのは推論とメモリモデルです。推論は MIGraphX を通して AMD GPU 上で実行し、メモリモデルではデコーダーからエンコーダーまでフレームを GPU 上に保持します。

共通点¶

通常の GStreamer です。gst-launch-1.0、gst_parse_launch、bin、caps ネゴシエーションをそのまま使えます。
メタデータは標準の GstAnalytics リレーションメタデータ（物体検出、分類、トラッキング、キーポイント/グループのメタデータ）として格納するため、下流の要素や独自のプローブから同じ方法で読み取れます。
gvatrack、gvametaconvert、gvametapublish、gvastreammux、gvastreamdemux、gvametaaggregate は DL Streamer v2026.2.0 のソースを third_party/dlstreamer に同梱したもので、既定でビルドします（AMDVA_BUILD_GVA_COMPAT）。要素名とプロパティ名は変わりません。
inference-region、model-instance-id、batch-size、inference-interval、batch-timeout のようなプロパティは、DL Streamer と同じ意味を持ちます。

要素の対応表¶

DL Streamer	このフレームワーク	備考
`gvadetect`	`amddetect`	YOLOv8 系（検出、インスタンスセグメンテーション、姿勢推定）。OpenVINO IR と `model-proc` には対応しません。
`gvaclassify`	`amdclassify`	既定値は `inference-region=roi-list` で、上流の検出器が出力したボックスを分類します。
`gvainference`	`amdinference`	フレーム全体が対象です。セマンティックセグメンテーションと生の GPU テンソル（`task_type=raw`）にも対応します。
`gvatrack`	`gvatrack`（同梱）	`tracking-type=short-term-imageless` または `zero-term-imageless` を使ってください。画像ベースのトラッカーはフレームを CPU にマップするため、有効にしていません。
`gvawatermark`	`amdwatermark`	GPU のオーバーレイです。入力は VAMemory NV12、出力は BGRA DMA-BUF です。圧縮出力を得るには後段に `amdencode` を置きます。
`gvapython`	`amdpython`	メタデータだけを受け取る `process(frame_dict)` コールバックです。画素や `VideoFrame` にはアクセスできません。
`gvametaconvert`	`gvametaconvert`（同梱）、または `amdpython`/`amdmetapublish` の JSON
`gvametapublish`	`gvametapublish`（同梱）または `amdmetapublish`	`amdmetapublish` は上限付きで、映像を止めることはありません。メタデータを参照してください。
`gvastreammux` / `gvastreamdemux`	同じ（同梱）	`output-mode=container` では、ソースごとの caps とメモリをそのまま保持します。
`gvametaaggregate`	同じ（同梱）	AMD の GPU ペイロードを統合するようにパッチを当てています（`amd-analytics-merge`）。
`gvafpscounter`、`gvafpsthrottle`、`gvaattachroi`、`gvaanalytics`	含まれません	`identity`/`fpsdisplaysink` を使うか、メタデータを扱うアプリケーションのコードで対応してください。
`vah264enc`（GStreamer）	`amdencode`	BGRA DMA-BUF の入力と BT.709 の通知を追加します。エンコードと配信を参照してください。

プロパティ¶

`gvadetect` / `gvaclassify` / `gvainference`¶

DL Streamer のプロパティ	対応する `amd*` のプロパティ
`model`（OpenVINO IR `.xml`）	`model`（`amdva-compile-model` でコンパイルした MIGraphX `.mxr`）
`model-proc`	`model-info`（JSON。model-info を参照）
`device=GPU` / `CPU` / `NPU`	`device` は HIP デバイス番号です（既定値 0）。CPU や NPU へのフォールバックはありません
`batch-size`	`batch-size`（コンパイル時のバッチサイズと一致させる必要があります。1-16）
`inference-interval`	`inference-interval`
`threshold`	`confidence-threshold`（検出）と `nms-threshold`
`inference-region`	`inference-region`（`full-frame` または `roi-list`）
`model-instance-id`	`model-instance-id`（要素間で実行器を共有）
`pre-process-backend`	なし。前処理は常に VA video processor と HIP で行い、`require-zero-copy=true` です
`nireq`、`ie-config`、`cpu-throughput-streams`	なし。`batch-size` と `batch-timeout` を使ってください
`object-class`、`labels-file`	ラベルは model-info で指定した `labels` ファイルから読み込みます

`gvametaconvert` / `gvametapublish`¶

要素は DL Streamer のソースそのものなので、プロパティは変わりません。同梱版のビルドには、ファイル、MQTT、Kafka の送信機能が含まれます。

例¶

DL Streamer:

gst-launch-1.0 filesrc location=in.mp4 ! decodebin3 ! \
  gvadetect model=yolov8n.xml model-proc=yolov8n.json device=GPU batch-size=1 ! \
  gvatrack tracking-type=short-term-imageless ! \
  gvawatermark ! videoconvert ! x264enc ! mp4mux ! filesink location=out.mp4

このフレームワーク:

gst-launch-1.0 -e filesrc location=in.h264 ! h264parse ! vah264dec ! \
  'video/x-raw(memory:VAMemory),format=NV12' ! \
  amddetect model=yolov8n.mxr model-info=yolov8n.json batch-size=1 ! \
  gvatrack tracking-type=short-term-imageless ! \
  amdwatermark ! amdencode bitrate=6000 ! h264parse ! mp4mux ! filesink location=out.mp4

想定される違い:

VA デコーダーでデコードし、caps を video/x-raw(memory:VAMemory) に制限してください。AMD の要素はシステムメモリ上のフレームを受け付けません。
videoconvert は使いません。フレームがシステムメモリに届くことはありません。amdwatermark が出力する GPU サーフェスを amdencode が直接エンコードします。
生の .h264 ファイルにはタイムスタンプがありません。h264parse の後に video/x-h264,framerate=30/1 を挿入してください（MP4/RTSP のソースでは不要です）。
AMD の要素のプロパティは NULL/READY 状態でのみ書き込めます。

モデル¶

モデルを ONNX にエクスポートします（scripts/export_*.py の補助スクリプトに、YOLOv8、ResNet18、SegFormer の手順があります）。
入力テンソルと出力のレイアウトを記述した model-info JSON を書きます（model-info を参照）。これが model-proc の代わりになります。
対象の GPU とバッチサイズに合わせてコンパイルします: amdva-compile-model model.onnx model.mxr --batch=4 --model-info=model.json。コンパイラーは SHA256 と GPU アーキテクチャを記録した model.mxr.manifest.json を書き出します。ランタイムは、マニフェストがない場合や一致しない場合にモデルを拒否します。

OpenVINO IR ファイル、model-proc の変換ツール、独自の後処理ライブラリには対応していません。現在利用できるアダプターは yolov8、yolov8-seg、yolov8-pose、分類、セマンティックセグメンテーション、生のテンソルです。YOLOv5 と SSD には対応していません。

メタデータへのアクセス¶

Python。 gvapython は同梱していません。process(frame_dict) を実装した amdpython を使ってください。メタデータと Python を参照してください。
C/C++ のプローブ。 DL Streamer と同じ方法で GstAnalyticsRelationMeta を読み取ります。GPU 上にある結果（マスク、生のテンソル）は AmdAnalysisMeta（amdva/tensor_meta.hpp）に含まれます。暗黙にシステムメモリへコピーされることはありません。
GVA の JSON メタ / テンソル。 gvametaconvert は GstAnalytics を読み取るため、amddetect の出力にも使えます。

複数ストリーム¶

gvastreammux output-mode=container ! amddetect batch-size=N ! gvastreamdemux とすると、解像度の異なるソースを 1 つの検出器でまとめてバッチ処理できます。demux の各分岐にはそれぞれ queue を置いてください。共有バッチと複数ストリームと examples/pipelines/multistream-encode.sh を参照してください。

ライセンス¶

同梱した DL Streamer のソースは、MIT ライセンスと Intel の著作権表示をそのまま保持しています（third_party/dlstreamer/LICENSE。ローカルでの変更点は README.AMD.md に記載しています）。GstAnalytics のグループ/キーポイント API は、同じく DL Streamer に由来する gst-plugins-bad へのパッチによるものです（patches/gst-plugins-bad-0020-gst-analytics.patch、LGPL-2.1-or-later のファイル）。THIRD_PARTY_LICENSES.md を参照してください。