Тек ҚР

Ақша сомасы: 2500000

Өтінімдер саны: 2

Ашық бастапқы үлгілер негізінде бейнедегі бетті ауыстыруға арналған масштабталатын ML-пайплайнын әзірлеу
Тапсырыс беруші

Alan Technologies, LLP
Шешімдерді қабылдау мерзімі

26.11.26 (қоса алғанда)

Марапаттау нысаны

Кезең-кезеңімен бекітілген төлем + мақсатты FPS-ке қол жеткізгені үшін бонус

Өнім күйі

MVP

Тапсырма түрі

Акт міндеттері

Сфера применения

Медиасфера

Область задачи

Нейротехнология және жасанды интеллект

Тапсырманың (жобаның) мақсаты мен сипаттамасы

Жоғары ажыратымдылықтағы (1080p / 4K) бейне ағындарында бетті сапалы әрі нақты ауыстыруға арналған өнімділігі жоғары модульдік ML-конвейерін (inference pipeline) жобалау және енгізу. Жұмыс көлеміне мыналар кіреді: - Заманауи Open-Source архитектураларын (InsightFace, SimSwap, Ghost, LivePortrait) салыстырмалы талдау және біріктіру. - Артефактілер мен бұлыңғырлықты жою үшін бетті қалпына келтіру үлгілерін (CodeFormer, GPEN) кіріктіру. - Кадрлар арасындағы дірілді (flickering) жою үшін уақытша тегістеу (temporal consistency) механизмдерін құру. - Шешімді аппараттық жеделдетумен (NVIDIA TensorRT / CUDA) Docker-контейнерлерге орау және REST / gRPC API интерфейстерін ұсыну.

Өнім түрі

БҚ/АЖ

Мәселенің сипаттамасы

Қолжетімді open-source шешімдерінде маңызды техникалық кемшіліктер бар: кадрлар арасындағы діріл (temporal jitter), бастың бұрылу бұрыштары күрделі болған кездегі (yaw/pitch > 45°) артефактілер және инференстің төмен жылдамдығы. Коммерциялық бұлттық шешімдер бейнені өңдеу уақытына тым қымбат баға қояды және құпия деректердің қауіпсіздігіне қатер төндіреді. Осыған орай, қолданыстағы GPU инфрақұрылымында жоғары сапа мен сәйкестікті (ID retention) сақтайтын, жергілікті түрде оңтайландырылған дербес ML-жүйесін құру қажет.

Tech-тапсырма
Скачать файл
Күтілетін әсер

1. NVIDIA RTX 4090 / A10G деңгейіндегі GPU-да Full HD (1080p) форматта кемінде 24 FPS тұрақты өңдеу жылдамдығына қол жеткізу. 2. Бет сәйкестігін сақтау метрикасы (Cosine Similarity / Face ID retrieval) кемінде 95% деңгейінде. 3. Кадр арасындағы дірілді және маска жиектеріндегі бұлыңғырлықты толықтай жою. 4. Коммерциялық API шешімдерімен салыстырғанда контентті өңдеу өзіндік құнын 70%-дан астам үнемдеу. 5. OpenAPI / Swagger құжаттамасы бар өндіріске дайын микросервис.

Жауапты тұлғаның ТАӘ

Айдос Қуанышев

Ескерту

PyTorch, TensorRT/ONNX және Face Recognition кітапханаларымен расталған жұмыс тәжірибесі міндетті. Сынақтар үшін GPU инфрақұрылымы беріледі.

Шешім жіберу