TorchCodec
PyTorch 官方推出的媒体解码/编码库，统一图像、视频、音频的 I/O 入口，底层借助 FFmpeg 等框架，支持 GPU 解码并与 DataLoader 多进程配合，尽量减少 Python 与 C++ 间的数据拷贝。
时间轴 (近 90 天)
PyTorch官方建议需要解码或编码媒体（图像、视频、音频）时应使用TorchCodec。
TorchCodec的底层并非从零实现编解码器，而是借助FFmpeg等成熟多媒体框架完成解复用与解码，再通过自定义算子将结果送入PyTorch张量。
TorchCodec支持将解码工作放到GPU上并配合DataLoader的多进程worker使用，以缓解视频解码常见的CPU瓶颈。
TorchCodec旨在将图像、视频、音频的解码与编码收敛到同一个库中，减少对多个底层绑定的碎片化依赖。
TorchCodec对不同版本的底层库做了兼容处理，相比直接调用PyAV或FFmpeg的Python绑定，提供了更贴近PyTorch使用习惯的API。
如果代码使用TorchVision直接读取视频文件，未来可能需要迁移到TorchCodec处理I/O部分。
将解码/编码与变换职责拆开，可以让底层编解码依赖与上层数据增强逻辑各自独立演进，避免一个库同时背负两套不同的工程负担。
全部知识事实 (7)
TorchCodec旨在将图像、视频、音频的解码与编码收敛到同一个库中，减少对多个底层绑定的碎片化依赖。
50%待验证TorchCodec的底层并非从零实现编解码器，而是借助FFmpeg等成熟多媒体框架完成解复用与解码，再通过自定义算子将结果送入PyTorch张量。
50%待验证TorchCodec支持将解码工作放到GPU上并配合DataLoader的多进程worker使用，以缓解视频解码常见的CPU瓶颈。
50%待验证PyTorch官方建议需要解码或编码媒体（图像、视频、音频）时应使用TorchCodec。
50%待验证TorchCodec对不同版本的底层库做了兼容处理，相比直接调用PyAV或FFmpeg的Python绑定，提供了更贴近PyTorch使用习惯的API。
50%待验证将解码/编码与变换职责拆开，可以让底层编解码依赖与上层数据增强逻辑各自独立演进，避免一个库同时背负两套不同的工程负担。
50%待验证如果代码使用TorchVision直接读取视频文件，未来可能需要迁移到TorchCodec处理I/O部分。
50%