IM SDK 作为 Qualcomm Linux 镜像的一部分提供，因此 AI 开发者工作流无需单独安装。有关完整的 SDK 参考（安装替代方案、完整插件目录、管道构建指南和示例应用），请参见 Discover SDKs → IM SDKs。
为什么使用 IM SDK
统一的多媒体 + AI 框架
采集、预处理、推理、后处理和渲染都在单个 GStreamer 管道中完成，而不是将独立的应用拼接在一起。
默认硬件加速
插件原生使用 Qualcomm CPU、GPU、NPU（HTP）、摄像头 ISP、视频（VPU）和 DSP，因此每个阶段都在合适的引擎上运行。
零拷贝（zero-memcpy）缓冲区
帧以 DMA-buf 句柄的形式在管道中流转，因此同一缓冲区在 ISP、GPU 和 NPU 之间共享，无需 CPU 拷贝。
GPU 前处理和后处理
缩放、颜色转换、张量布局和叠加渲染都在 Adreno GPU 上运行，使 CPU 保持空闲并持续为推理供给数据。
灵活的 AI 运行时支持
通过 LiteRT/TFLite、ONNX、Qualcomm AI Engine Direct（QNN）或 SNPE 运行模型。可按模型选择，无需重写管道。
Qualcomm AI Hub 集成
从 Qualcomm AI Hub 下载预训练的量化模型，并直接在参考管道中运行。
IM SDK 管道的工作原理
一个典型的视觉 AI 管道包含五个阶段。IM SDK 在专用硬件上加速高亮显示的（⚡）阶段，并以零拷贝 DMA-buf 句柄的形式在各阶段之间传递帧。
有关构建这些管道的逐阶段指南，请参见 Discover SDKs 中的构建 AI 管道和插件参考。
为什么零拷贝（zero-memcpy）很重要
在朴素的管道中，每个阶段都会将帧复制到自己的缓冲区中，消耗内存带宽和 CPU 周期，并增加延迟。而 IM SDK 让同一个帧缓冲区以共享的 DMA-buf 句柄形式在解码 → 预处理 → 推理 → 叠加 → 编码之间流转：- 摄像头 ISP 只写入一次帧数据；GPU 和 NPU 读取同一物理缓冲区，引擎之间无需
memcpy。 - 插件通过 GStreamer 的分配查询（allocation-query）机制自动协商 DMA-buf 分配；当管道中的每个阶段都支持时即可启用零拷贝（例如，在解码/编码元素上设置
capture-io-mode=dmabuf/output-io-mode=dmabuf-import）。 - 结果是更低的内存流量、更低的 CPU 负载和更低的端到端延迟，这对高分辨率和多流工作负载尤为重要。
在 GPU 上进行前处理和后处理
只有当 NPU 从不等待 CPU 时，NPU 上的推理才够快。IM SDK 将数据整形工作放到 Adreno GPU 上运行：- 预处理：
qtimlvconverter直接在 GPU 上执行色彩空间转换和张量布局变换，生成模型所需的精确张量，避免推理前出现 CPU 瓶颈。 - 后处理：
qtimlpostprocess将模型的输出张量解码为结构化元数据（边界框、标签、掩码），qtivoverlay则在 GPU 上就地将这些元数据绘制回帧上。
后续步骤
下载用于开发的源代码
设置 Qualcomm IM SDK 可扩展 SDK（eSDK）并下载源代码，以开发 AI/ML 应用和插件代码。
在应用中集成自定义 AI 模型
选择合适的 Qualcomm SDK 路径，使用 Qualcomm IM SDK 或 Qualcomm AI Runtime SDK 在应用中部署自定义 AI 模型。
为自定义模型添加后处理支持
使用 qtimlpostprocess 插件为 Qualcomm IM SDK 管道添加自定义模型后处理支持。