旷视开源深度学习框架旷视天元Meg Engine近日开源了Meg Flow 流式计算框架，助力AI算法开发者快速完成AI模型的落地应用。Meg Flow是面向计算机视觉应用的流式计算框架，提供了一套可快速完成AI应用部署的视觉解析服务方案。AI应用开发者可以基于Meg Flow提供的图像和视频解析服务，最快15分钟即可完成客制化所需功能，例如发票扫描、明火检测等。
常规的AI算法交付流程一般分为模型训练、SDK 封装、业务集成和交付验收四个步骤，冗长繁杂。Meg Flow总结了旷视内部多年的AI应用工程落地经验，将资源、消息、任务等概念进行了清晰一致的抽象化，将冗长的算法交付流程简化为模型训练、业务集成及交付验收三步。通过Meg Flow，AI 算法研究人员可以快速将训练好的模型集成部署成简单易用的AI服务并完成交付。
Meg Flow 针对AI算法工程落地中的频发问题，诸如性能调优、安全性、模型加密等，都能提供行之有效的解决方案并有效提升了工程效率。Meg Flow拥有安全可靠、简单易用、语义支持丰富等特性，可以帮助AI应用快速落地。
安全可靠
技术选型上，Meg Flow的研发团队调研了多种技术方案，最终选择了安全且零额外开销的Rust异步生态，从基础上保证了Meg Flow的安全性与性能。
简单易用
Meg Flow支持Python插件，且仅需要开发者编写同步的Python程序，即可实现可以被Meg Flow异步调度的Python插件。同时Meg Flow提供了一套基于 Web UI的可视化调试工具，可有效提升模型部署的工作效率。
语义支持丰富
表达能力上，Meg Flow 支持静态图、动态图和共享图，辅以demux、reorder、transform等函数式语义的通用插件，为搭建多样化的AI服务提供了丰富的语义支持。
此外，Meg Flow 还内置了开箱即用的AI应用，如宠物围栏检测和电瓶车检测。宠物围栏检测目前支持猫咪检测，注册过的猫咪离开围栏会发出告警。电瓶车检测应用则为物业管理者提供了智能化管理工具，如摄像头检测到电瓶车进入电梯，系统会发出通知，提醒管理人员，有效排除起火安全隐患。
后续Meg Flow还将上线更多计算机视觉相关的AI模型和应用。
