UL Procyon效能測試更新Computer Vision 2.0，改用Transformer架構模型反映真實運算負載

UL發表Procyon效能測試工具Computer Vision 2.0更新，導入Transformer架構模型，更貼近最新應用程式的工作負載，更能反映實際效能體驗。

替換Transformer模型

PCMark與Procyon是UL公司推出的綜合效能測試工具軟體，前者使用多款開源軟體與自行開發的3D場景等負載進行電腦效能測試，能夠衡量電腦在生產力應用、多媒體編輯、遊戲等使用情境的效能表現。後者則是偏向透過腳本控制Microsoft Office、Adobe多媒體編輯程式等商業套裝軟體，更貼近多數人的使用習慣。

延伸閱讀：
UL推出全新Procyon測試工具，評估創作者電腦的效能表現
推出Procyon辦公室生產力測試更新，支援Windows 11和Office 2021
3DMark更新Solar Bay Extreme測試，支援Windows、macOS、Android、iOS跨平台測試

UL在新推出的Computer Vision 2.0中，精心規劃視訊通話中的背景虛化、影像分類、物件偵測、圖像描述、無障礙輔助等電腦視覺工作負載，並將先前使用的CNN架構模型替換為Transformer架構，更貼近最新應用程式所使用的模型。

▲ Procyon效能測試工具Computer Vision 2.0更新，導入Transformer架構模型替換原本的CNN架構，更貼近最新應用程式的實際情況。

多種不同模型驗證效能

Computer Vision 2.0的測試包括下列多個項目，皆已替換為Transformer架構模型。

Computer Vision 2.0測試項目一覽：

• 影像分類（ConvNeXt-Tiny）：分析影像或影片畫面並對內容分類，能夠應用於影片搜尋功能（例如在資料庫搜尋、排序和標記圖像或影片）以及零售庫存管理。
• 影像描述（BLIP Base）：為圖像產生自然語言描述，能夠應用於輔助功能、智慧內容標記以及生產力軟體的視覺化摘要功能。
• 影片物件偵測（Base DETR）：偵測影片中物體的位置，任何需要辨識和定位的物體都會可以使用此功能。
• 影像分割（SAM2）：識別和分割圖片或影片中各個區域的物體，能夠應用於模糊視訊背景或為物件添加遮罩等功能。
• 影像升頻（Real-ESRGAN）：將影像放大並添加缺失的細節，進而提高影像的清晰度，可應用於強化低畫質的影像或串流影片，或降低清晰畫面所需的頻寬，以在網路訊號較弱的環境下進行視訊通話。

Computer Vision 2.0使用標準的Windows ML框架以達成公平的比較基準，並會自動選擇最適合的AI運算單元（包含神經運算單元NPU），以及模型的資料類型（如FP32、FP16、INT8），提供單一的標準化分數，方便使用者評估不同裝置的AI體驗表現。

此外Computer Vision 2.0也支援macOS，同時採用2種不同設備的企業能夠進行跨平台效能比較。

▲ 舉例來說Computer Vision 2.0測試項目中的DETR會標注左上原始圖片中的物品，Real-ESRGAN會放大並強化畫質，SAM2則可在識別人像後將背景模糊化。

▲ 執行Computer Vision 2.0時會自動選擇最適合的AI運算單元，以及模型的資料類型，最終提供單一的標準化分數。

使用者可以透過Procyon的程式更新功能取得，Computer Vision 2.0，但是Computer Vision 1.0也還會保留在Procyon內，方便使用者繼續使用先前的測試項目。