OpenCV 5 გამოვიდა: გადაწერილი DNN ძრავა და ONNX მხარდაჭერის ნახტომი

OpenCV 5 გამოვიდა. გუნდმა რელიზი 2026 წლის 4 ივნისს გამოაქვეყნა და მას ბიბლიოთეკის ისტორიაში ერთ-ერთ ყველაზე მნიშვნელოვან გამოშვებად აღწერს. OpenCV-ს GitHub-ზე 86 000-ზე მეტი ვარსკვლავი აქვს და დღეში მილიონზე მეტი ინსტალაცია; მასზეა აწყობილი რობოტიკა, ინდუსტრიული კონტროლი, სამედიცინო ვიზუალიზაცია, AR/VR და წარმოების სისტემების დიდი ნაწილი. pip-ის პაკეტი 8 ივნისს გამოქვეყნდება, რელიზი კი დენვერში CVPR 2026-ს დაემთხვა.

გადაწერილი DNN ძრავა

მთავარი სიახლე ახალი დიპ-ლერნინგის ძრავაა. გუნდის ინფორმაციით, ONNX ოპერატორების მხარდაჭერა 4.x-ის დაახლოებით 13%-დან 5.x-ში 64%-ზე მეტამდე გაიზარდა. ძველი ძრავა ოპერატორთა მხოლოდ მცირე ნაწილს ხსნიდა და დინამიურ ფორმებთან ვერ უმკლავდებოდა; ახალი ტიპიზებულ ოპერაციათა გრაფზეა აგებული, ფორმების დასკვნით, კონსტანტების ჩაკეცვითა და ოპერატორების შერწყმით. ახლა იტვირთება მოდელები If და Loop ქვეგრაფებით, სიმბოლური და დინამიური ფორმებითა და QDQ გრაფებით. Attention-ისა და MatMul-ის შერწყმა ტრანსფორმერების საფუძველს — MatMul → Softmax → MatMul — ერთ კომბინირებულ ოპერაციად აქცევს FlashAttention-ის სტილის იმპლემენტაციით.

სამი ძრავა ერთ API-ში

განახლება არსებულ პროცესებს იშვიათად ამტვრევს: readNet ფუნქციები engine არგუმენტს იღებენ. ნაგულისხმევი ENGINE_AUTO ჯერ ახალ ძრავას სცდის და მარცხისას კლასიკურზე გადადის. ENGINE_NEW გრაფულ ძრავას აიძულებს (ჯერ მხოლოდ CPU-ზე), ENGINE_CLASSIC ძველ გზას ინარჩუნებს და CUDA-სა და OpenVINO-სთვისაა საჭირო, ENGINE_ORT კი ჩაშენებულ ONNX Runtime-ს იყენებს. ბენჩმარკი CPU-ზე ჩატარდა (Intel Core i9-14900KS, Ubuntu 24.04): XFeat — 6.56 ms 8.61-ის წინააღმდეგ, DINOv2 small — 23.78 vs 29.58, YOLOv8n — 10.9 vs 12.15, OWLv2 — 1 090 vs 1 489, BiRefNet — 7 178 vs 9 503. მოდელის მიხედვით უპირატესობა 4%-დან 36%-მდეა.

LLM-ები, ინპეინტინგი და გამხდარი ბირთვი

OpenCV 5 DNN მოდულში დიდ ენობრივ და ვიზუალურ-ენობრივ მოდელებსაც უშვებს — ჩაშენებული ტოკენიზატორითა და KV-ქეშით. მხარდაჭერილია Qwen 2.5, Gemma 3, PaliGemma და GPT-2-ის ოჯახი; Qwen 2.5-ის ტესტმა ONNX Runtime-ის შედეგი ტოკენ-ტოკენ გაიმეორა. ობიექტების წაშლა LaMa მოდელით ერთი forward გავლით ხდება. Features2D ჩაანაცვლა ახალმა Features მოდულმა ALIKED-ისა და DISK-ის დეტექტორებითა და LightGlue-ს შემკრებით, SIFT და ORB კი ადგილზე რჩება. ბირთვს დაემატა FP16 და BF16 ტიპები, 0D/1D Mat, broadcasting და NumPy 2.x-ის მხარდაჭერა; ძველი C API მოძველებულად გამოცხადდა, C++17 კი მინიმალური სტანდარტია. ახალი HAL ფენა Intel IPP-ს, Arm KleidiCV-ს, Qualcomm FastCV-სა და RISC-V Vector-ს გამჭვირვალედ აერთებს — ARM-ის ჩვეულებრივ ოპერაციებზე 3–4-ჯერ სწრაფვაზეა საუბარი.