白皮書

BlueDot:利用 Catapult HLS 加快神經網路型 Deepfield-PQO 的設計速度

BlueDot:利用 Catapult HLS 加快神經網路型 Deepfield-PQO 的設計速度

近來,視訊在行動流量中的佔比呈指數般增長。網際網路/視訊技術的發展和視訊消費模式的改變,是這股視訊流量增長趨勢背後的推手。

視訊服務平台公司必須負擔大量成本,才能使編碼的視訊達到更高的畫質及更小的容量。為了解決這個問題,BlueDot 開發出 AI 型編解碼器預處理篩選器,名為 Deepfield-PQO。受制於現有的開發方法且隨著 AI 型演算法變得越來越複雜,設計和驗證作業相當耗時,使開發週期受到限制。為了解決這個問題,我們為 FPGA 導入 HLS 並進行開發,同時導入 Catapult HLS 來定向 ASIC。

導入 Catapult HLS 後,我們開始能靈活因應規格變化以提高效能表現,並透過更簡化協作、驗證和程式碼重用,縮短整體開發週期。

Share

相關資訊

Transition Heavy Equipment to Hybrid, Electric, or Hydrogen Powertrains
Webinar

Transition Heavy Equipment to Hybrid, Electric, or Hydrogen Powertrains

Join this webinar on simulation and testing for heavy equipment electrification (hybrid, electric or hydrogen powertrains)