Digital Negative (DNG) file support
Ninguém assumiu esta issue ainda.
Avaliação
- Dificuldade
- 5/5
- Tempo estimado
- Mais de uma semana
- Facilidade para iniciantes
- 35/100
- Tipo de issue
- Funcionalidade
- Clareza
- Razoavelmente clara
- Status de atividade
- Ativa
- Domínio
- computer-vision
Direção de pesquisa
Start by reading the DNG specification linked in the issue and tracing how nvImageCodec handles the shown Python file-reading example. Identify the codec entry point and what DNG decoding requires; the issue does not name relevant source files or tests. Done means DNG files can be transcoded with GPU acceleration and the reported error is resolved.
Escrita pelo modelo de indexação a partir do texto da issue.
Descrição
Is this a new feature, an improvement, or a change to existing functionality?
New Feature
How would you describe the priority of this feature request
Nice to have (e.g. Adoption is possible, the feature will enhance the use-case even more).
Please provide a clear description of problem this feature solves
Could nvImageCodec support Digital Negative (DNG) files?
DNG is a standard format for camera raw files, the latter which capture unprocessed or minimally processed data directly from the camera sensor.
The standard's specification can be found here
Feature Description
As a software engineer, I would like to be able to have GPU acceleration for .dng image transcoding so that I can include these images into my computer-vision/machine-learning frameworks.
Describe your ideal solution
with open("my_dng_file.dng", "rb") as in_file:
data = in_file.read()
At present, this code errors with cuDevicePrimaryCtxRelease failed: 4
Describe any alternatives you have considered
I have looked into the rawpy library, but it does not provide GPU acceleration.
Additional context
I would be keen to investigate a solution to this problem if someone could point me towards an "entry point" :)
Check for duplicates
- I have searched the open bugs/issues and have found no duplicates for this bug report
- Linguagem predominante
- Jupyter Notebook
- Estrelas
- 164
- Forks
- 26
- Merge médio
- 27min
- PRs com merge (30d)
- 1
Preparar o ambiente
- Sem Dockerfile nem arquivo Docker Compose
- Sem modelo de pull request
- Ler o guia de contribuição
Primeiros passos
- Leia a issue inteira e depois o guia de contribuição do projeto.
- Comente na issue dizendo que vai assumir — evita que duas pessoas façam o mesmo trabalho.
- Faça um fork do repositório e trabalhe em uma branch.
- Abra um pull request que referencie o número da issue.
Mais de NVIDIA/nvImageCodec
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 79/100
NVIDIA/nvImageCodec#65 · 1 comentário ·
-
Dificuldade 3/5 1-2 dias Facilidade para iniciantes 72/100
NVIDIA/nvImageCodec#66 · 1 comentário ·
-
Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 38/100
NVIDIA/nvImageCodec#64 ·
-
nvjpeg2k error 3 (Bad jpeg) on valid JPEG 2000 aerial photos that OpenJPEG and ffmpeg decode identicallyTalvez já em andamento @mkepa-nv assumiu há 6 dias. Abertabug
NVIDIA/nvImageCodec#63 · 2 comentários · 1 responsável ·
-
Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 8/100
NVIDIA/nvImageCodec#60 ·
Todas as issues de NVIDIA/nvImageCodec
Issues semelhantes
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 78/100
Stirling-Tools/Stirling-PDF#8875 · 1 reação ·
Mantenedores costumam responder em até 2 dias
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 82/100
Mantenedores costumam responder em até 1 dia
-
COCO crowd annotations (iscrowd=1) are counted as ground truth, lowering detection recall and APAberta
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 75/100
JdeRobot/PerceptionMetrics#681 ·
Mantenedores costumam responder em até 1 dia
-
bug
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 78/100
opencv/opencv#30744 · 1 comentário ·
Mantenedores costumam responder em até 1 dia
-
Dificuldade 2/5 Menos de uma hora Facilidade para iniciantes 85/100
Mantenedores costumam responder em até 2 dias