diff --git a/docs/integration.md b/docs/integration.md
index dc76aa3..03b2667 100644
--- a/docs/integration.md
+++ b/docs/integration.md
@@ -1,11 +1,20 @@
 # Integration guide
 
-Этот guide описывает, как использовать cuframes для устранения дублирующего
-GPU-декодирования между несколькими consumer'ами одного RTSP-потока.
+Хочешь подключить cuframes к своему проекту? Выбери guide по типу integration'а:
+
+## Готовые reference guides
+
+| Тип integration'а | Guide | Reference deployment |
+|---|---|---|
+| **Frigate NVR** (через FFmpeg `cuframes://` demuxer) | [integrations/frigate.md](integrations/frigate.md) | Production: Frigate 0.17.1 + RTX 5090 + Dahua HEVC |
+| **C++ project** (через `CuframesSource` pattern) | [integrations/cctv-cpp.md](integrations/cctv-cpp.md) | Production: [gx/cctv](https://git.goldix.org/gx/cctv) C++17 processor |
+| **Python AI/ML pipeline** (через ctypes wrapper) | [examples/python-consumer/](../examples/python-consumer/) | Skeleton ready; v0.3 даст native bindings |
+| **FFmpeg-based custom tool** (своя сборка ffmpeg) | [filter/README.md](../filter/README.md) | Out-of-tree patch + build instructions |
 
 ## Целевой сценарий (motivation)
 
-В типичной CCTV-системе один и тот же RTSP-stream декодируется несколько раз:
+В типичной CCTV / video-analytics системе один и тот же RTSP-поток
+декодируется **несколько раз**:
 
 ```
    Камера ──► RTSP ──► Frigate          (decode #1: detection + recording)
@@ -13,13 +22,14 @@ GPU-декодирования между несколькими consumer'ами
                   ─►   AI-скрипт        (decode #3: классификация / OCR)
 ```
 
-На 16 камер × 25 fps × 3 consumer'а = 1200 NVDEC-операций/сек. RTX 5090 имеет
-~3 NVDEC-движка, но шина PCIe и memory bandwidth становятся узким местом.
+На 16 камер × 25 fps × 3 consumer'а = **1200 NVDEC operations/sec**. RTX 5090
+имеет ~3 NVDEC-движка с capacity ~50 FHD25 streams → загрузка близка к лимиту,
+плюс tax на PCIe bandwidth и memory.
 
 С cuframes:
 
 ```
-   Камера ──► cuframes-rtsp-source ──► CUDA frame в /dev/shm + cudaIpcEvent
+   Камера ──► cuframes-rtsp-source ──► CUDA frame в VRAM + IPC handles
                                               │
                                               ├──► Frigate          (zero-copy)
                                               ├──► mosaic-сервер    (zero-copy)
@@ -27,242 +37,36 @@ GPU-декодирования между несколькими consumer'ами
 ```
 
 Decode выполняется **один раз** на источник, потребители получают тот же CUDA
-device pointer без копий.
+device pointer без копий. **3× меньше NVDEC operations** на том же setup'е.
 
-## Текущие limitations v0.1
+## Текущие ограничения (v0.1)
 
-- **Frigate** (по состоянию на 0.17) **не имеет** plugin-точки для приёма
-  готовых CUDA-frames. Чтобы убрать Frigate decode полностью, нужен:
-  - либо FFmpeg-filter `vf_cuda_ipc_input` (planned для cuframes v0.2 — требует
-    patch FFmpeg upstream и пересборку Frigate's bundled ffmpeg),
-  - либо Frigate-plugin (требует upstream работы с командой Frigate).
-- В v0.1 практическое улучшение: **исключить decode для всех custom consumer'ов
-  кроме Frigate** (то есть cctv-processor, AI-скрипты — на cuframes; Frigate
-  остаётся как есть, со своим decode).
+- **Decoded frame sharing only** (не encoded). Для `record` path в Frigate
+  (mux без decode) consumer всё ещё открывает свой RTSP — это решит **v0.2
+  encoded packet sharing** (см. [issue #2](https://git.goldix.org/gx/cuframes/issues/2)).
 
-Это уже даёт значительную экономию: было 1×Frigate + N×consumer decode'ов,
-стало 1×Frigate + 1×cuframes-rtsp-source (один на все consumer'ы).
+- **NV12 frame format only**. Other formats (YUV420P, RGB) — v0.2.
 
-## Сценарий 1: cuframes-rtsp-source + cctv-processor (FRIGATE остаётся)
+- **GPU → CPU copy** в FFmpeg demuxer'е (`cudaMemcpy2DAsync`). Zero-copy через
+  `AVHWFramesContext` — v0.2.
 
-### docker-compose.yml
+- **Cross-container CUDA IPC** требует shared `ipc + pid` namespace. Если
+  consumer использует s6-overlay (как Frigate) — pid не shareable, нужен
+  workaround (см. [integrations/frigate.md](integrations/frigate.md)
+  troubleshooting).
 
-```yaml
-services:
-  # Один источник на камеру — публикует декодированный поток через cuframes IPC
-  cuframes-cam-parking:
-    image: gx/cuframes-rtsp-source:0.1
-    restart: unless-stopped
-    runtime: nvidia
-    environment:
-      NVIDIA_VISIBLE_DEVICES: all
-      NVIDIA_DRIVER_CAPABILITIES: compute,video,utility
-    # CRITICAL: --ipc=shareable для cross-container CUDA IPC
-    ipc: shareable
-    shm_size: 1g
-    volumes:
-      - cuframes_sock:/run/cuframes
-    command:
-      - --rtsp=rtsp://admin:${CAM_PASS}@192.168.88.98:554/cam/realmonitor?channel=1&subtype=0
-      - --key=cam-parking
-      - --ring=6
-      - --realtime  # не нужен для RTSP (real-time источник), оставлен для file://
+- **Только Linux + NVIDIA GPU** compute capability ≥ 7.5 (Turing+).
 
-  # Frigate (как и был — со своим decode на main+sub streams)
-  frigate:
-    image: ghcr.io/blakeblackshear/frigate:stable-tensorrt
-    # ... как обычно
+## Production reference deployments
 
-  # cctv-processor — подписывается на cuframes (без отдельного RTSP decode)
-  cctv-backend:
-    image: gx/cctv-processor:cuda
-    restart: unless-stopped
-    runtime: nvidia
-    # CRITICAL: shared IPC + PID namespace с publisher'ом (см. ниже)
-    ipc: container:cuframes-cam-parking
-    pid: container:cuframes-cam-parking
-    volumes:
-      - cuframes_sock:/run/cuframes:ro
-    environment:
-      # cuframes-keys для backend'а:
-      CCTV_SOURCES: cuframes:cam-parking,cuframes:cam-front-gate,...
+| Setup | Версия | Где смотреть |
+|---|---|---|
+| 1 publisher (1× NVDEC) → Frigate (detect) + cctv-backend (motion+grid→RTSP→TV) | v0.1.0 | [BENCHMARKS.md](../BENCHMARKS.md), [integrations/frigate.md](integrations/frigate.md) |
 
-volumes:
-  cuframes_sock:
-```
+## Roadmap для v0.2+
 
-**Важно — оба флага обязательны** для cross-container CUDA IPC:
+Полный roadmap — [ROADMAP.md](../ROADMAP.md). Highlights:
 
-| Флаг | Зачем |
-|---|---|
-| `ipc: container:<publisher>` | shared `/dev/shm` (нужен для `shm_open` под header/sockets) |
-| `pid: container:<publisher>` | CUDA driver валидирует IPC peer через `/proc/<pid>/...`; без этого `cudaIpcOpenEventHandle` падает с `invalid device context` |
-
-Альтернативы:
-- Запускать consumer внутри того же container'а через `docker exec` (наследует все namespaces) — удобно для отладки.
-- `--ipc=host --pid=host` — убирает namespacing вообще, но ослабляет изоляцию (не рекомендуется в production).
-
-### Изменения в cctv-processor
-
-Нужно добавить новый Source-тип (рядом с RtspSource) — `CuframesSource`:
-
-```cpp
-// cpp/apps/cctv-processor/src/sources/cuframes_source.hpp
-#include <cuframes/cuframes.hpp>
-
-class CuframesSource : public IVideoSource {
-public:
-    CuframesSource(const std::string &key) : key_(key) {
-        cuframes::SubscriberOptions opt;
-        opt.key = key;
-        opt.consumer_name = "cctv-processor";
-        opt.mode = CUFRAMES_MODE_NEWEST_ONLY;
-        sub_ = std::make_unique<cuframes::Subscriber>(opt);
-        cudaStreamCreate(&stream_);
-    }
-
-    // Вызывается processing-loop'ом
-    std::optional<GpuFrame> nextFrame() override {
-        auto f = sub_->next(stream_, 100);  // 100ms timeout
-        if (!f) return std::nullopt;
-        // cudaStreamWaitEvent уже сделан внутри next() — frame готов на stream_
-        return GpuFrame{
-            .cuda_ptr = f->cuda_ptr(),
-            .width = f->width(),
-            .height = f->height(),
-            .pitch_y = f->pitch_y(),
-            .pitch_uv = f->pitch_uv(),
-            .seq = f->seq(),
-            .pts_ns = f->pts_ns(),
-            .stream = stream_,
-            ._release = std::move(f),  // RAII release при destroy
-        };
-    }
-
-private:
-    std::string key_;
-    std::unique_ptr<cuframes::Subscriber> sub_;
-    cudaStream_t stream_;
-};
-```
-
-Конфиг `cameras.json` — добавить альтернативный source-тип:
-
-```jsonc
-{
-  "cameras": [
-    {
-      "id": "parking",
-      "source_type": "cuframes",          // вместо "rtsp"
-      "cuframes_key": "cam-parking",
-      // rtsp_url больше не нужен — он используется cuframes-rtsp-source'ом
-    }
-  ]
-}
-```
-
-## Сценарий 2: AI-скрипт на Python (subscriber)
-
-Python-bindings — в Phase 3 cuframes. Сейчас простой workaround через
-ctypes:
-
-```python
-import ctypes
-lib = ctypes.CDLL("libcuframes.so")
-# ... wrap нужные функции — см. include/cuframes/cuframes.h
-```
-
-Или: writer simple C-обёртку, которая принимает callback и публикует
-данные через ZMQ / shared memory в python-process.
-
-## Сценарий 3: Замена Frigate decode (v0.2+)
-
-Целевой сценарий — Frigate тоже подписан на cuframes. Реализуется через
-один из двух путей:
-
-### Путь A: FFmpeg filter
-
-Добавить out-of-tree filter `vf_cuda_ipc_input` который читает кадр из
-cuframes ring и эмитит AVFrame в pipeline. Frigate использует ffmpeg для
-RTSP/decode — заменяем "RTSP→decode→detect" на
-"cuframes_ipc_input→detect" (без decode'а вообще).
-
-Требования:
-- Patch ffmpeg sources (libavfilter/vf_cuda_ipc_input.c + Makefile)
-- Сборка кастомного Frigate-образа с patched ffmpeg
-- Тестирование на совместимость с Frigate's pipeline assumptions
-
-### Путь B: Frigate plugin
-
-Engage с upstream Frigate чтобы добавить custom Source-type ("cuframes://").
-Это требует Python-API изменений в Frigate's source layer.
-
-## Verification checklist
-
-После настройки убедитесь:
-
-```bash
-# 1. Publisher запущен и socket существует
-ls -la /run/cuframes/cam-parking.sock
-ls -la /dev/shm/cuframes-cam-parking
-
-# 2. Контейнеры в одном IPC и PID namespace
-docker inspect cuframes-cam-parking cctv-backend \
-  -f '{{.Name}} ipc={{.HostConfig.IpcMode}} pid={{.HostConfig.PidMode}}'
-# Publisher: ipc=shareable pid=(default)
-# Consumer:  ipc=container:cuframes-cam-parking pid=container:cuframes-cam-parking
-
-# 3. Subscriber connect успешен
-docker exec cctv-backend /usr/local/bin/sub_count --key cam-parking --max-frames 10
-# Ожидаем:
-#   [sub_count] connected to 'cuframes-cam-parking'
-#   [sub_count] received=10 gaps=0 elapsed=0.4s avg_fps=25
-
-# 4. NVDEC utilization — должно быть N decodes, а не N*M
-nvidia-smi dmon -s u
-# Колонка %dec должна показать decode-нагрузку одного instance на камеру
-```
-
-## Troubleshooting
-
-### `Subscriber::create: timeout`
-Subscriber не нашёл publisher. Причины:
-- Publisher не запущен или crashed — проверь `docker logs cuframes-cam-parking`
-- Socket-файл не volumes'нут в consumer-контейнер — добавь `volumes:
-  - cuframes_sock:/run/cuframes:ro` в consumer'е
-- IPC namespace не совпадает — см. checklist пункт 2
-
-### `cudaIpcOpenEventHandle: invalid device context`
-Проявляется в **отдельном** consumer-container'е после успешного handshake (socket
-открыт, header валиден, но open event handle не проходит).
-
-Причина: CUDA driver валидирует sender'а IPC peer'а через `/proc`. Если PID
-namespace не совпадает, sender невидим — context считается невалидным.
-
-Fix: добавить `pid: container:<publisher>` в consumer's compose service (рядом
-с `ipc: container:<publisher>`). Проверено на CUDA 13.0 + driver 555+.
-
-### `cudaIpcOpenMemHandle returned 'invalid device pointer'`
-- Контейнеры в РАЗНЫХ ipc namespace — должны быть в одном (через
-  `ipc: container:<publisher>` или общий `ipc: shareable`)
-- Subscriber работает на другом CUDA device — `--cuda-device` должен совпадать
-  у publisher и subscriber (одно и то же физическое GPU)
-
-### Высокая latency (>50ms tail)
-- Subscriber slow — frames копятся в ring, по политике DROP_OLDEST они
-  пропускаются. Используй `CUFRAMES_MODE_NEWEST_ONLY` (default) — это нормально
-  для real-time системы.
-- При STRICT_ORDER + STRICT_WAIT — slow consumer блокирует publisher. Не
-  рекомендуется для CCTV.
-
-### Frigate показывает чёрный экран после интеграции
-- Frigate не подключён к cuframes (v0.1 — это not yet supported). В v0.1
-  Frigate должен оставаться на своём RTSP decode (см. Сценарий 1).
-
-## Roadmap
-
-- **v0.1** (текущая): standalone publisher/subscriber, C/C++ API, examples.
-- **v0.2**: FFmpeg filter `vf_cuda_ipc_input` (out-of-tree), Python bindings.
-- **v0.3**: NVENC-bridge для re-encode подписчиков, Frigate plugin
-  proof-of-concept.
-- **v1.0**: stable ABI, multi-GPU, documented Frigate integration.
+- **v0.2**: encoded packet sharing (Frigate record без второго RTSP), FFmpeg upstream PR, publisher-side resize для устранения scale_cuda dependency
+- **v0.3**: pybind11 Python bindings, Jetson/arm64 support
+- **v1.0**: stable ABI, multi-GPU, env-based credentials
diff --git a/docs/integrations/cctv-cpp.md b/docs/integrations/cctv-cpp.md
new file mode 100644
index 0000000..68657a0
--- /dev/null
+++ b/docs/integrations/cctv-cpp.md
@@ -0,0 +1,309 @@
+# C++ project integration (cctv-processor pattern)
+
+Reference guide на основе реального production deployment
+([gx/cctv](https://git.goldix.org/gx/cctv) — C++17 video processor).
+
+## Use case
+
+Custom video pipeline (motion detection, mosaic compose, encode-out, snapshots),
+получает кадры с N камер и выполняет per-frame processing. Без cuframes:
+один RTSP+NVDEC на каждую камеру **внутри** processor + дублирующий decode
+если Frigate/AI script тоже подключены к той же камере.
+
+С cuframes: processor подписывается на published frames, **никакого RTSP / NVDEC**
+у него — все консьюмеры используют один decode от publisher'а.
+
+## Архитектурный паттерн
+
+Выделить **interface** `IFrameSource` чтобы pipeline не зависел от конкретного
+источника (RTSP vs cuframes vs тестовый file).
+
+```cpp
+// include/sources/IFrameSource.h
+namespace cctv::sources {
+
+enum class ConnectionState {
+    DISCONNECTED, CONNECTING, CONNECTED, RECONNECTING, ERROR
+};
+
+struct StreamInfo {
+    int width = 0;
+    int height = 0;
+    double fps = 0.0;
+    std::string codec_name;
+    int64_t bitrate = 0;
+};
+
+class IFrameSource {
+public:
+    using FrameCallback = std::function<void(const cv::Mat& frame, int64_t ts_ms)>;
+    using StateCallback = std::function<void(ConnectionState, const std::string&)>;
+
+    virtual ~IFrameSource() = default;
+    virtual bool connect(const std::string& url) = 0;
+    virtual void disconnect() = 0;
+    virtual bool isConnected() const = 0;
+    virtual void setFrameCallback(FrameCallback) = 0;
+    virtual void setStateCallback(StateCallback) = 0;
+    virtual void setReconnectEnabled(bool) = 0;
+    virtual StreamInfo getStreamInfo() const = 0;
+    virtual ConnectionState getState() const = 0;
+    virtual std::string getLastError() const = 0;
+    virtual uint64_t getFramesReceived() const = 0;
+    virtual uint64_t getFramesDropped() const = 0;
+    virtual double getCurrentFPS() const = 0;
+};
+
+}  // namespace cctv::sources
+```
+
+`RTSPClient` (legacy) и `CuframesSource` оба implement `IFrameSource`. Pipeline
+работает с `unique_ptr<IFrameSource>` — code не знает, RTSP это или cuframes.
+
+## CuframesSource — реализация
+
+```cpp
+// include/sources/CuframesSource.h
+#include "sources/IFrameSource.h"
+
+// Forward-declare — не утекают в header
+struct cuframes_subscriber;
+typedef struct cuframes_subscriber cuframes_subscriber_t;
+
+namespace cctv::sources {
+
+class CuframesSource : public IFrameSource {
+public:
+    CuframesSource();
+    ~CuframesSource() override;
+
+    // IFrameSource: URL для cuframes — это просто `key` (либо "cuframes://<key>")
+    bool connect(const std::string& url) override;
+    void disconnect() override;
+    // ... остальные методы (см. полный файл в gx/cctv repo)
+
+    void setCudaDevice(int device);
+    void setReconnectInterval(int seconds);
+
+private:
+    void workerThread();
+    bool openSubscriber();
+    void closeSubscriber();
+
+    std::string m_key;
+    int m_cudaDevice = 0;
+    cuframes_subscriber_t* m_sub = nullptr;
+    void* m_cudaStream = nullptr;        // cudaStream_t, opaque
+    void* m_hostBuffer = nullptr;        // pinned host buffer для NV12
+    size_t m_hostBufferSize = 0;
+    std::thread m_thread;
+    std::atomic<bool> m_shouldStop{false};
+    // ... callbacks, state, stats
+};
+
+}  // namespace cctv::sources
+```
+
+### Worker thread (core)
+
+```cpp
+void CuframesSource::workerThread() {
+    while (!m_shouldStop.load()) {
+        if (!m_sub) {
+            if (!openSubscriber()) {
+                changeState(ConnectionState::RECONNECTING, m_lastError);
+                if (!m_reconnectEnabled) return;
+                sleep_for(seconds(m_reconnectInterval));
+                continue;
+            }
+            changeState(ConnectionState::CONNECTED, "");
+        }
+
+        cuframes_frame_t* frame = nullptr;
+        int rc = cuframes_subscriber_next(m_sub, m_cudaStream, &frame, 200);
+
+        if (rc == CUFRAMES_ERR_TIMEOUT) continue;
+        if (rc == CUFRAMES_ERR_DISCONNECTED) {
+            closeSubscriber();
+            changeState(ConnectionState::RECONNECTING, "publisher disconnected");
+            continue;
+        }
+        if (rc != CUFRAMES_OK || !frame) {
+            LOG_ERROR("cuframes next: " + std::string(cuframes_strerror(rc)));
+            closeSubscriber();
+            continue;
+        }
+
+        // Frame metadata
+        int32_t w, h;
+        cuframes_frame_size(frame, &w, &h);
+        const int32_t pitch_y  = cuframes_frame_pitch_y(frame);
+        const int32_t pitch_uv = cuframes_frame_pitch_uv(frame);
+        const int64_t pts_ns   = cuframes_frame_pts_ns(frame);
+
+        // Ensure host buffer big enough
+        const size_t need = (size_t)w * h * 3 / 2;  // NV12 packed
+        if (need > m_hostBufferSize) {
+            cudaFreeHost(m_hostBuffer);
+            cudaMallocHost(&m_hostBuffer, need);
+            m_hostBufferSize = need;
+        }
+
+        // Copy GPU NV12 → host NV12 (Y plane + UV plane)
+        uint8_t* cu = (uint8_t*)cuframes_frame_cuda_ptr(frame);
+        cudaMemcpy2DAsync(m_hostBuffer, w, cu, pitch_y,
+                          w, h, cudaMemcpyDeviceToHost, m_cudaStream);
+        cudaMemcpy2DAsync((uint8_t*)m_hostBuffer + (size_t)w*h, w,
+                          cu + (size_t)pitch_y*h, pitch_uv,
+                          w, h/2, cudaMemcpyDeviceToHost, m_cudaStream);
+        cudaStreamSynchronize(m_cudaStream);
+
+        // Release frame BEFORE downstream processing — publisher может переиспользовать slot
+        cuframes_subscriber_release(m_sub, frame);
+
+        // NV12 → BGR (CPU) — downstream pipeline ожидает cv::Mat BGR
+        cv::Mat nv12(h * 3 / 2, w, CV_8UC1, m_hostBuffer);
+        cv::Mat bgr;
+        cv::cvtColor(nv12, bgr, cv::COLOR_YUV2BGR_NV12);
+
+        // Доставка через callback
+        if (m_frameCallback) m_frameCallback(bgr, pts_ns / 1000000);
+    }
+    closeSubscriber();
+}
+```
+
+`cudaMemcpy → CPU → cv::cvtColor` это v0.1 path. **Zero-copy** через
+`AVHWFramesContext` / OpenCV cv::cuda::GpuMat — planned v0.2.
+
+## Factory pattern (per-camera)
+
+```cpp
+// В StreamProcessor::initializeComponents()
+for (const auto& camera : cameras) {
+    if (!camera.enabled) continue;
+
+    std::unique_ptr<sources::IFrameSource> source;
+    if (camera.source_type == "cuframes") {
+        source = std::make_unique<sources::CuframesSource>();
+    } else {
+        source = std::make_unique<rtsp::RTSPClient>();  // legacy RTSP
+    }
+
+    source->setFrameCallback([this, id = camera.id](const cv::Mat& frame, int64_t ts) {
+        m_videoProcessor->processFrame(id, frame);
+    });
+    source->setStateCallback([this, id = camera.id](auto state, const std::string& msg) {
+        // logging, alerting, watchdog
+    });
+    source->setReconnectEnabled(true);
+
+    m_frameSources[camera.id] = std::move(source);
+}
+```
+
+В `start()` — отдельный цикл:
+
+```cpp
+for (const auto& camera : cameras) {
+    if (!camera.enabled) continue;
+    auto& src = m_frameSources[camera.id];
+    const std::string url = (camera.source_type == "cuframes")
+        ? camera.cuframes_key
+        : camera.rtsp_url;
+    src->connect(url);
+}
+```
+
+## CMake integration
+
+```cmake
+# cmake/Dependencies.cmake
+if(ENABLE_CUDA AND CUDA_AVAILABLE)
+    find_path(CUFRAMES_INCLUDE_DIR cuframes/cuframes.h
+        HINTS ${CUFRAMES_ROOT}/include /usr/local/include /usr/include
+    )
+    find_library(CUFRAMES_LIBRARY cuframes
+        HINTS ${CUFRAMES_ROOT}/lib ${CUFRAMES_ROOT}/lib64
+              /usr/local/lib /usr/lib
+    )
+    if(CUFRAMES_INCLUDE_DIR AND CUFRAMES_LIBRARY)
+        set(CUFRAMES_FOUND TRUE)
+        find_package(CUDAToolkit REQUIRED)
+        message(STATUS "cuframes: FOUND (${CUFRAMES_LIBRARY})")
+    else()
+        message(STATUS "cuframes: NOT FOUND (camera source_type=cuframes недоступен)")
+    endif()
+endif()
+```
+
+```cmake
+# apps/your-processor/CMakeLists.txt
+if(CUFRAMES_FOUND)
+    target_include_directories(your-processor PRIVATE ${CUFRAMES_INCLUDE_DIR})
+    target_link_libraries(your-processor PRIVATE ${CUFRAMES_LIBRARY} CUDA::cudart)
+    target_compile_definitions(your-processor PRIVATE CCTV_HAVE_CUFRAMES=1)
+endif()
+```
+
+`CuframesSource.cpp` оборачивается в `#ifdef CCTV_HAVE_CUFRAMES` — без cuframes
+в системе фабрика возвращает error при `source_type == "cuframes"`, остальное
+компилируется как обычно.
+
+## Config
+
+`cameras.json` extension:
+
+```json
+{
+  "cameras": [
+    {
+      "id": 1,
+      "name": "Парковка через cuframes",
+      "source_type": "cuframes",
+      "cuframes_key": "cam-parking",
+      "rtsp_url": "",
+      "enabled": true,
+      "motion_detection": { "enabled": false, ... }
+    },
+    {
+      "id": 2,
+      "name": "Камера на RTSP",
+      "rtsp_url": "rtsp://admin:pw@cam-ip:554/stream",
+      "enabled": true
+    }
+  ]
+}
+```
+
+## Runtime requirements
+
+Consumer container/process должен:
+1. Иметь доступ к `/run/cuframes` (volume mount от publisher'а).
+2. Быть в **same** IPC namespace (для `/dev/shm` shared) — `ipc: container:<publisher>`.
+3. Быть в **same** PID namespace (для CUDA driver IPC validation) — `pid: container:<publisher>` (если consumer не имеет PID-1-strict init типа s6-overlay).
+4. Иметь NVIDIA runtime — `runtime: nvidia` в compose.
+5. Запускаться с правом доступа к socket (по умолчанию root) — `user: root` в compose.
+
+Пример compose service:
+
+```yaml
+your-cctv-backend:
+  image: your-image:cuda
+  runtime: nvidia
+  user: root  # socket в publisher container root-owned
+  ipc: "container:cuframes-pub-parking"
+  pid: "container:cuframes-pub-parking"  # если ваш image не использует s6
+  environment:
+    NVIDIA_VISIBLE_DEVICES: all
+    NVIDIA_DRIVER_CAPABILITIES: compute,video,utility
+  volumes:
+    - cuframes_sock:/run/cuframes:ro
+```
+
+## См. также
+
+- [filter/README.md](../../filter/README.md) — FFmpeg demuxer (если ваш processor построен на FFmpeg)
+- [docs/integrations/frigate.md](frigate.md) — Frigate-specific guide
+- [docs/architecture.md](../architecture.md) — внутренности CUDA IPC
+- [Полный код CuframesSource](https://git.goldix.org/gx/cctv/src/branch/enterprise/develop/cpp/apps/cctv-processor/src/sources/CuframesSource.cpp) — реальный production-tested файл
diff --git a/docs/integrations/frigate.md b/docs/integrations/frigate.md
new file mode 100644
index 0000000..3ddd03c
--- /dev/null
+++ b/docs/integrations/frigate.md
@@ -0,0 +1,305 @@
+# Frigate integration
+
+Полный production-tested guide для интеграции cuframes с
+[Frigate NVR](https://github.com/blakeblackshear/frigate). На основе реального
+deployment (Frigate 0.17.1-tensorrt + RTX 5090 + Dahua HEVC камеры).
+
+## Что вы получаете
+
+- **Один NVDEC decode на камеру** вместо одного у Frigate + одного у каждого
+  другого consumer'а (cctv-processor, AI-скрипт, mosaic-сервер).
+- Frigate видит decoded frames через **обычный FFmpeg URL** — никакого fork'а
+  Frigate-кода. Frigate сам не подозревает что под капотом cuframes.
+
+## Что вы НЕ получаете в v0.1
+
+- **Record path** (`-c:v copy` для архива) — этот path в Frigate всё ещё через
+  свой отдельный RTSP. v0.2 cuframes решит это через encoded packet sharing
+  (см. [issue #2](https://git.goldix.org/gx/cuframes/issues/2)).
+- Hwaccel CUDA filters для detect resize (`scale_cuda`) — наш minimal FFmpeg
+  собран без `--enable-cuda-llvm` (не работает на glibc < 2.38 что у Debian 12,
+  на котором Frigate base). Workaround: `hwaccel_args: []` в config → CPU
+  scale (cost ~5-10% CPU на FHD25).
+
+## Архитектура
+
+```
+Camera RTSP ──► cuframes-rtsp-source ──► [NVDEC ─► NV12 in CUDA IPC]
+                                              │
+                                              ├──► Frigate (ffmpeg -f cuframes) → detect
+                                              ├──► cctv-processor (CuframesSource) → motion+mosaic
+                                              └──► AI-script (Python ctypes) → inference
+```
+
+## Требования
+
+| | Минимум | Note |
+|---|---|---|
+| NVIDIA driver | 555+ | для CUDA 12 runtime |
+| CUDA Toolkit (для build patched FFmpeg) | 12.4+ | host или builder container |
+| GPU compute capability | ≥ 7.5 | требование CUDA IPC |
+| OS на target (Frigate runtime) | Debian 12 bookworm | glibc 2.36 — это база Frigate `stable-tensorrt` |
+| OS на builder | Ubuntu 22.04 (glibc 2.35) | forward-compat с Debian 12 |
+| docker buildx | latest | для multi-stage build |
+
+## Шаг 1 — Build patched Frigate image
+
+Cuframes integration требует patched FFmpeg внутри Frigate с `cuframes://`
+demuxer. Самый простой путь — собрать overlay image поверх existing Frigate.
+
+### 1.1. Минимальный Dockerfile (Debian 12 builder + custom FFmpeg)
+
+```dockerfile
+# Build patched FFmpeg на Debian 12 (glibc-совместимо с Frigate runtime)
+FROM debian:bookworm AS builder
+ENV DEBIAN_FRONTEND=noninteractive
+
+RUN apt-get update && apt-get install -y --no-install-recommends \
+    build-essential cmake git nasm pkg-config ca-certificates wget patch ninja-build \
+    libssl-dev libx264-dev libx265-dev libnuma-dev zlib1g-dev \
+    libfreetype-dev libfribidi-dev libharfbuzz-dev libfontconfig-dev \
+    libvpx-dev libopus-dev libmp3lame-dev libvorbis-dev libtheora-dev libwebp-dev \
+    libaom-dev libdav1d-dev libsvtav1enc-dev \
+    libssh-dev librist-dev libsrt-openssl-dev \
+    libdrm-dev libva-dev libxcb1-dev \
+ && rm -rf /var/lib/apt/lists/*
+
+# CUDA toolkit 12.x
+RUN wget -q https://developer.download.nvidia.com/compute/cuda/repos/debian12/x86_64/cuda-keyring_1.1-1_all.deb \
+ && dpkg -i cuda-keyring_1.1-1_all.deb && rm cuda-keyring_1.1-1_all.deb \
+ && apt-get update && apt-get install -y --no-install-recommends cuda-toolkit-12-6 \
+ && rm -rf /var/lib/apt/lists/*
+ENV PATH=/usr/local/cuda/bin:$PATH
+
+# nv-codec-headers (для FFmpeg ffnvcodec/nvenc/nvdec)
+RUN git clone --depth 1 --branch n12.2.72.0 https://github.com/FFmpeg/nv-codec-headers.git /tmp/nvc \
+ && make -C /tmp/nvc install && rm -rf /tmp/nvc
+
+# Build libcuframes (static install в /opt/cuframes)
+RUN git clone --depth 1 https://git.goldix.org/gx/cuframes.git /src/cuframes \
+ && cmake -B /src/cuframes/build -S /src/cuframes -G Ninja \
+        -DCMAKE_BUILD_TYPE=Release -DBUILD_TESTING=OFF \
+        -DBUILD_EXAMPLES=OFF -DBUILD_TOOLS=OFF \
+ && cmake --build /src/cuframes/build -j"$(nproc)" \
+ && cmake --install /src/cuframes/build --prefix /opt/cuframes
+
+# Clone patched FFmpeg fork (либо upstream + apply patch — см. filter/README.md)
+RUN git clone --depth 1 --branch n7.1-cuframes \
+        https://git.goldix.org/gx/ffmpeg-patched.git /src/ffmpeg
+
+# Configure (minimal-but-functional для Frigate)
+RUN cd /src/ffmpeg && ./configure \
+        --prefix=/opt/ffmpeg \
+        --enable-gpl --enable-version3 --enable-nonfree \
+        --enable-libcuframes \
+        --enable-libx264 --enable-libx265 \
+        --enable-libvpx --enable-libopus --enable-libmp3lame \
+        --enable-libvorbis --enable-libtheora --enable-libwebp \
+        --enable-libaom --enable-libdav1d --enable-libsvtav1 \
+        --enable-libfreetype --enable-libfribidi --enable-libharfbuzz \
+        --enable-libssh --enable-librist --enable-libsrt \
+        --enable-openssl \
+        --enable-ffnvcodec --enable-cuvid --enable-nvenc --enable-nvdec \
+        --extra-cflags="-I/opt/cuframes/include -I/usr/local/cuda/include" \
+        --extra-ldflags="-L/opt/cuframes/lib -L/usr/local/cuda/lib64" \
+        --extra-libs="-lcudart -lpthread -lrt -lm" \
+        --disable-doc --disable-htmlpages --disable-manpages
+RUN cd /src/ffmpeg && make -j"$(nproc)" && make install
+
+# ─── Runtime: Frigate + наши binaries поверх ──────────────────────────
+FROM ghcr.io/blakeblackshear/frigate:stable-tensorrt
+
+# Missing dynamic .so которые требует наш patched ffmpeg (Frigate image их не имеет —
+# bundled статически собран без них в DT_NEEDED)
+RUN apt-get update && apt-get install -y --no-install-recommends \
+        libharfbuzz0b libfribidi0 librist4 libsrt1.5-openssl libssh-4 \
+        libvpx7 libwebpmux3 libwebp7 libdav1d6 libaom3 libmp3lame0 \
+        libsvtav1enc1 libtheora0 libvorbis0a libvorbisenc2 \
+        libx264-164 libx265-199 libopus0 \
+ && rm -rf /var/lib/apt/lists/*
+
+# Replace bundled ffmpeg (оригинал backup'нем под .orig)
+RUN cp /usr/lib/ffmpeg/7.0/bin/ffmpeg  /usr/lib/ffmpeg/7.0/bin/ffmpeg.orig \
+ && cp /usr/lib/ffmpeg/7.0/bin/ffprobe /usr/lib/ffmpeg/7.0/bin/ffprobe.orig
+COPY --from=builder /opt/ffmpeg/bin/ffmpeg  /usr/lib/ffmpeg/7.0/bin/ffmpeg
+COPY --from=builder /opt/ffmpeg/bin/ffprobe /usr/lib/ffmpeg/7.0/bin/ffprobe
+COPY --from=builder /opt/cuframes/lib/libcuframes.so.0.1.0 /usr/local/lib/
+RUN cd /usr/local/lib && ln -sf libcuframes.so.0.1.0 libcuframes.so.0 \
+ && ln -sf libcuframes.so.0 libcuframes.so && ldconfig
+
+# Build-time smoke: ldd resolved + cuframes demuxer registered
+RUN ldd /usr/lib/ffmpeg/7.0/bin/ffmpeg | grep -q "not found" && exit 1 || true
+RUN /usr/lib/ffmpeg/7.0/bin/ffmpeg -hide_banner -formats | grep -q cuframes \
+ && echo "OK: cuframes demuxer registered in Frigate image"
+```
+
+Build:
+```bash
+docker build -t local/frigate-cuframes:latest -f Dockerfile.frigate .
+```
+
+Размер ~10 GB (наследует Frigate `stable-tensorrt` ~9 GB).
+
+## Шаг 2 — docker-compose: publisher + Frigate
+
+```yaml
+services:
+  # Один publisher на камеру — единственный source RTSP, делает 1× NVDEC.
+  cuframes-pub-parking:
+    image: git.goldix.org/gx/cuframes:0.1   # либо local build из filter/Dockerfile.runtime
+    container_name: cuframes-pub-parking
+    restart: unless-stopped
+    runtime: nvidia
+    # CRITICAL: ipc=shareable — Frigate и другие consumers подсоединяются через
+    # ipc: container:cuframes-pub-parking
+    ipc: shareable
+    shm_size: 256m
+    environment:
+      NVIDIA_VISIBLE_DEVICES: all
+      NVIDIA_DRIVER_CAPABILITIES: compute,video,utility
+    volumes:
+      - cuframes_sock:/run/cuframes
+    command:
+      - /usr/local/bin/cuframes-rtsp-source
+      - --rtsp
+      - "rtsp://admin:${CAM_PASS}@cam-parking-ip:554/cam/realmonitor?channel=1&subtype=1"
+      - --key
+      - cam-parking
+      - --ring
+      - "6"
+      - --verbose
+
+  frigate:
+    image: local/frigate-cuframes:latest
+    container_name: frigate
+    restart: unless-stopped
+    depends_on:
+      cuframes-pub-parking:
+        condition: service_started
+    runtime: nvidia
+    privileged: true
+    shm_size: 512m
+    # CUDA IPC c publisher'ом: shared /dev/shm
+    # WARN: pid намерено НЕ share'ится — Frigate использует s6-overlay,
+    # которое требует PID 1 в своём namespace.
+    ipc: "container:cuframes-pub-parking"
+    environment:
+      FRIGATE_RTSP_PASSWORD: "${FRIGATE_RTSP_PASSWORD}"
+      NVIDIA_VISIBLE_DEVICES: all
+      NVIDIA_DRIVER_CAPABILITIES: compute,video,utility
+    ports:
+      - "5000:5000"
+      - "8971:8971"
+    volumes:
+      - cuframes_sock:/run/cuframes:ro
+      - ./config/config.yml:/config/config.yml:ro
+      - /home/user/frigate-media:/media/frigate
+      # ... остальные volumes как обычно
+
+volumes:
+  cuframes_sock:
+```
+
+## Шаг 3 — Frigate config.yml
+
+Ключевые отличия от стандартного config:
+
+```yaml
+ffmpeg:
+  # ВАЖНО: hwaccel cuda отключаем (наш ffmpeg без cuda-llvm → нет scale_cuda).
+  # Detect-path использует CPU scale, но decode уже done у publisher'а.
+  hwaccel_args: []
+  output_args:
+    record: preset-record-generic-audio-aac
+
+cameras:
+  parking_overview:
+    enabled: true
+    ffmpeg:
+      inputs:
+        # main (full-res) — только запись в архив через прямой RTSP
+        # (decode у Frigate НЕ происходит — это `-c:v copy` мux)
+        - path: rtsp://admin:${FRIGATE_RTSP_PASSWORD}@cam-parking-ip:554/cam/realmonitor?channel=1&subtype=0
+          roles: [record]
+
+        # sub-stream → через cuframes (decoded у publisher'а, без второго NVDEC у Frigate)
+        - path: cuframes://cam-parking
+          input_args: -f cuframes
+          roles: [detect]
+    detect:
+      width: 640
+      height: 480
+      fps: 5
+```
+
+После v0.2 cuframes (encoded packet sharing) record-path тоже мoжет
+переключиться на `cuframes_packets://cam-parking` — тогда **никакого RTSP в
+Frigate config'е вообще**.
+
+## Шаг 4 — Run + verify
+
+```bash
+docker compose up -d
+docker logs -f frigate
+```
+
+Что искать в logs:
+- `[INFO] Camera processor started for parking_overview` — normal startup
+- НЕТ `[ERROR] Ffmpeg process crashed` — если есть, посмотри
+  [Troubleshooting](#troubleshooting)
+- В `nvidia-smi dmon -s u` колонка `%dec` должна показывать ~1-2% на одну
+  камеру (это publisher), Frigate сам не decode'ит cuframes input
+
+```bash
+# Проверить что Frigate реально читает cuframes:
+docker exec frigate ps -ef | grep ffmpeg | grep cuframes
+# Должна быть линия вида:
+#   ffmpeg ... -f cuframes -i cuframes://cam-parking -r 5 -vf fps=5,scale=640:480 ...
+```
+
+## Troubleshooting
+
+### `s6-overlay-suexec: fatal: can only run as pid 1`
+
+Появляется если попытались добавить `pid: container:cuframes-pub-parking` в
+Frigate service. Frigate's s6-overlay strict требует PID 1.
+
+**Fix**: убрать `pid:` из compose. Если только `ipc:` shared — большинство
+случаев работают (Frigate подсоединяется первым и его CUDA context служит
+для последующих).
+
+**Альтернатива**: запустить Frigate с собственным namespace но дублировать
+publisher socket через bind-mount. Frigate сам управляется first CUDA context.
+
+### `[AVFilterGraph] No such filter: 'scale_cuda'`
+
+Frigate config имеет `hwaccel_args: preset-nvidia` (default). Наш patched
+ffmpeg собран без `--enable-cuda-llvm` (не работает на glibc < 2.38). Эта
+опция компилирует CUDA filters, включая `scale_cuda`.
+
+**Fix**: `hwaccel_args: []` в config.yml. CPU scale (5-10% CPU per FHD25 камера).
+
+**Real fix** (planned): cuframes v0.2 — publisher сам делает resize до detect-size
+и публикует pre-scaled frames. Тогда Frigate не нуждается в scale_cuda.
+
+### `cudaIpcOpenEventHandle: invalid device context`
+
+Consumer container не имеет shared pid namespace с publisher'ом → CUDA driver
+не валидирует IPC peer.
+
+**Fix для cross-container CUDA IPC**: `pid: container:<publisher>` + `ipc:
+container:<publisher>`. Для Frigate этот fix недоступен (см. предыдущий пункт).
+Workaround — поднять Frigate первым после publisher (race window) или использовать
+encoded packet path (v0.2).
+
+### `Nonmatching transport in server reply` от RTSP-output Frigate
+
+Не относится к cuframes — это нормальное поведение Frigate's go2rtc для
+TCP transport. TV/VLC обычно использует UDP — оно работает.
+
+## См. также
+
+- [filter/README.md](../../filter/README.md) — детали FFmpeg demuxer + patch
+- [docs/integration.md](../integration.md) — общий integration guide
+- [BENCHMARKS.md](../../BENCHMARKS.md) — production-measured результаты
+- [ROADMAP.md](../../ROADMAP.md) — v0.2 что улучшит для Frigate
diff --git a/examples/frigate-compose/.env.example b/examples/frigate-compose/.env.example
new file mode 100644
index 0000000..05eb498
--- /dev/null
+++ b/examples/frigate-compose/.env.example
@@ -0,0 +1,8 @@
+# Скопировать в .env (не commit'ить!)
+# .env должен быть в .gitignore
+
+# Камеры: пароли admin user'а на Dahua/Hikvision/etc
+CAM_PARKING_PASS=changeme
+
+# Frigate API/UI auth password
+FRIGATE_RTSP_PASSWORD=changeme
diff --git a/examples/frigate-compose/README.md b/examples/frigate-compose/README.md
new file mode 100644
index 0000000..4ce4f4f
--- /dev/null
+++ b/examples/frigate-compose/README.md
@@ -0,0 +1,61 @@
+# examples/frigate-compose
+
+Reference docker-compose для Frigate + cuframes integration. **НЕ** копировать
+в production бездумно — это шаблон, адаптируй под свою инфру (IP-адреса камер,
+пароли, mount paths, network).
+
+## Quickstart
+
+1. Build patched Frigate image (single-time setup, ~15 мин):
+   ```bash
+   # См. docs/integrations/frigate.md, Шаг 1 — там полный Dockerfile.
+   docker build -t local/frigate-cuframes:latest -f Dockerfile.frigate .
+   ```
+
+2. Pull cuframes publisher image:
+   ```bash
+   docker pull git.goldix.org/gx/cuframes:0.1
+   # либо собрать local: docker build -t local/cuframes:0.1 -f docker/Dockerfile.runtime ../..
+   ```
+
+3. Скопировать .env:
+   ```bash
+   cp .env.example .env
+   $EDITOR .env   # подставь свои camera passwords
+   ```
+
+4. Адаптировать `docker-compose.yml`:
+   - `parking-cam-ip` → реальный IP камеры
+   - `--key cam-parking` → имя по вкусу (должно matche'ить config.yml `cuframes://<key>`)
+   - `cam-parking` в Frigate config → так же matched
+
+5. Адаптировать `config/config.yml`:
+   - детектор (cpu / onnx / tensorrt)
+   - пути к media
+   - дополнительные камеры если нужно
+
+6. Run:
+   ```bash
+   docker compose up -d
+   docker logs -f frigate
+   # UI: http://localhost:5000 (internal) либо https://localhost:8971 (auth)
+   ```
+
+## Что демонстрирует
+
+- Один publisher (`cuframes-pub-parking`) делает 1× NVDEC на parking-камеру
+- Frigate подключается к publisher через `ipc:container:` + `cuframes://` URL
+- Frigate **не** делает свой NVDEC для detect-path — берёт готовые NV12 frames
+
+## Что НЕ демонстрирует
+
+- Record path — Frigate всё ещё открывает второй RTSP к камере (для архива
+  `-c:v copy` mux). v0.2 cuframes решит через encoded packet sharing
+  (см. [issue #2](https://git.goldix.org/gx/cuframes/issues/2))
+- Multi-camera setup — добавь больше publisher'ов и camera-blocks в config.yml
+- HA/MQTT интеграция — добавь свой mqtt block
+
+## См. также
+
+- [docs/integrations/frigate.md](../../docs/integrations/frigate.md) — полный walkthrough
+- [docs/integration.md](../../docs/integration.md) — общая интеграция
diff --git a/examples/frigate-compose/config/config.yml b/examples/frigate-compose/config/config.yml
new file mode 100644
index 0000000..8eff703
--- /dev/null
+++ b/examples/frigate-compose/config/config.yml
@@ -0,0 +1,49 @@
+# Minimal Frigate config с cuframes integration.
+# Полный guide: docs/integrations/frigate.md
+
+mqtt:
+  enabled: false
+
+detectors:
+  # Замени на свой detector (tensorrt / onnx / cpu). Здесь — placeholder.
+  cpu:
+    type: cpu
+
+# CRITICAL: hwaccel cuda отключён — наш patched ffmpeg без --enable-cuda-llvm
+# (не работает на glibc < 2.38 что у Debian 12, на котором Frigate runtime).
+# Без cuda-llvm нет scale_cuda filter. Detect-path использует CPU scale, но
+# decode уже сделан у publisher'а — net выигрыш всё равно.
+ffmpeg:
+  hwaccel_args: []
+  output_args:
+    record: preset-record-generic-audio-aac
+
+cameras:
+  parking_overview:
+    enabled: true
+    friendly_name: Парковка
+    ffmpeg:
+      inputs:
+        # main (full-res) — только запись в архив через прямой RTSP (`-c:v copy`, no decode у Frigate)
+        # После cuframes v0.2 этот path тоже может через cuframes_packets:// (encoded share)
+        - path: rtsp://admin:${FRIGATE_RTSP_PASSWORD}@parking-cam-ip:554/cam/realmonitor?channel=1&subtype=0
+          roles: [record]
+
+        # sub-stream → через cuframes (decoded у publisher'а, без второго NVDEC)
+        - path: cuframes://cam-parking
+          input_args: -f cuframes
+          roles: [detect]
+    detect:
+      width: 640
+      height: 480
+      fps: 5
+
+record:
+  enabled: true
+  retain:
+    days: 7
+
+snapshots:
+  enabled: true
+  retain:
+    default: 7
diff --git a/examples/frigate-compose/docker-compose.yml b/examples/frigate-compose/docker-compose.yml
new file mode 100644
index 0000000..9a0bae0
--- /dev/null
+++ b/examples/frigate-compose/docker-compose.yml
@@ -0,0 +1,73 @@
+# Reference docker-compose для Frigate + cuframes integration.
+# Полный guide: docs/integrations/frigate.md
+#
+# Что нужно подготовить заранее:
+#   1. Build local image local/frigate-cuframes:latest по Dockerfile.frigate
+#      (см. docs/integrations/frigate.md, Шаг 1)
+#   2. Pull cuframes runtime image:
+#      docker pull git.goldix.org/gx/cuframes:0.1   # либо собрать local
+#   3. Скопировать config/config.yml (placeholder в config/ рядом)
+#   4. .env с CAM_PARKING_PASS=... и FRIGATE_RTSP_PASSWORD=...
+#
+# Запуск:
+#   docker compose up -d
+#   # UI: http://host:5000 (internal, без auth) либо https://host:8971 (with auth)
+
+services:
+  # 1× publisher на камеру — single source of RTSP + NVDEC
+  cuframes-pub-parking:
+    image: git.goldix.org/gx/cuframes:0.1
+    container_name: cuframes-pub-parking
+    restart: unless-stopped
+    runtime: nvidia
+    ipc: shareable
+    shm_size: 256m
+    environment:
+      NVIDIA_VISIBLE_DEVICES: all
+      NVIDIA_DRIVER_CAPABILITIES: compute,video,utility
+    volumes:
+      - cuframes_sock:/run/cuframes
+    command:
+      - /usr/local/bin/cuframes-rtsp-source
+      - --rtsp
+      # Используем sub-stream для detect-path (lighter resolution, тот же camera load)
+      - "rtsp://admin:${CAM_PARKING_PASS}@parking-cam-ip:554/cam/realmonitor?channel=1&subtype=1"
+      - --key
+      - cam-parking
+      - --ring
+      - "6"
+      - --verbose
+
+  frigate:
+    image: local/frigate-cuframes:latest   # см. docs/integrations/frigate.md Шаг 1
+    container_name: frigate
+    restart: unless-stopped
+    depends_on:
+      cuframes-pub-parking:
+        condition: service_started
+    runtime: nvidia
+    privileged: true
+    shm_size: 512m
+    # WARN: только ipc share — pid НЕ shared (Frigate's s6-overlay требует PID 1).
+    # Frigate подсоединяется к first CUDA context publisher'а в shared /dev/shm.
+    ipc: "container:cuframes-pub-parking"
+    environment:
+      FRIGATE_RTSP_PASSWORD: "${FRIGATE_RTSP_PASSWORD}"
+      NVIDIA_VISIBLE_DEVICES: all
+      NVIDIA_DRIVER_CAPABILITIES: compute,video,utility
+    ports:
+      - "5000:5000"        # UI без auth (internal, не expose external!)
+      - "8971:8971"        # UI с HTTPS + auth
+      - "8554:8554"        # RTSP restream (go2rtc)
+      - "8555:8555/tcp"
+      - "8555:8555/udp"
+    volumes:
+      - cuframes_sock:/run/cuframes:ro
+      - ./config/config.yml:/config/config.yml:ro
+      - ./media:/media/frigate
+      - type: tmpfs
+        target: /tmp/cache
+        tmpfs: { size: 1000000000 }
+
+volumes:
+  cuframes_sock:
diff --git a/examples/python-consumer/README.md b/examples/python-consumer/README.md
new file mode 100644
index 0000000..b7c56b0
--- /dev/null
+++ b/examples/python-consumer/README.md
@@ -0,0 +1,78 @@
+# examples/python-consumer
+
+Reference Python consumer для cuframes через `ctypes` wrapper.
+
+## Use case
+
+AI/ML pipeline (PyTorch / ONNX / TensorRT) которому нужны декодированные кадры
+с камер. Без cuframes — каждый Python скрипт открывает RTSP + decode сам.
+С cuframes — подписывается на готовые NV12 frames от publisher'а.
+
+## Запуск
+
+```bash
+# Publisher должен быть запущен (см. tools/cuframes-rtsp-source или Docker image)
+cuframes-rtsp-source --rtsp rtsp://admin:pw@cam-ip:554/... --key cam-parking &
+
+# Consumer (same host, либо same docker namespace — см. требования ниже)
+python3 cuframes_consumer.py --key cam-parking --max-frames 100
+```
+
+Ожидаемый output:
+```
+[consumer] connected to 'cam-parking'
+[consumer] first frame: 640x480 NV12, pitch_y=640, pitch_uv=640, cuda_ptr=0x...
+[consumer] received=25 seq=42 pts_ms=...
+...
+=== RESULT ===
+received: 100 / 100
+elapsed: 3.96s
+avg_fps: 25.03
+```
+
+## Что этот пример НЕ делает
+
+- **НЕ копирует** GPU NV12 frame на host — `cuda_ptr` это raw CUDA device pointer.
+  Для реальной работы нужно:
+  - `pycuda` / `cupy` / `cuda-python` библиотека для CUDA memcpy
+  - либо передать `cuda_ptr` напрямую в GPU-aware ML framework (PyTorch's
+    `torch.cuda.IntTensor.from_dlpack` etc.)
+
+- **НЕ конвертирует** NV12 → RGB. Используй `cv2.cvtColor(nv12, cv2.COLOR_YUV2RGB_NV12)`
+  на host или GPU-side conversion.
+
+- **НЕ обрабатывает** inference — это skeleton, в твоём pipeline replace
+  comment-block `### ВАШ ML PIPELINE ЗДЕСЬ ###` с актуальным кодом.
+
+## Требования
+
+| | Значение |
+|---|---|
+| Python | 3.8+ |
+| `libcuframes.so.0` | в `LD_LIBRARY_PATH` (либо `/usr/local/lib`) |
+| Publisher running | да, с matching `--key` |
+| Same IPC namespace | да (host либо `ipc:container:<publisher>` в docker) |
+| Same PID namespace | да (host либо `pid:container:<publisher>` в docker) |
+| NVIDIA GPU + driver | для access `cuda_ptr` (read-only frame от publisher'а) |
+
+## Docker-style
+
+```yaml
+# В compose рядом с publisher service
+ai-pipeline:
+  image: your-ai-image:cuda
+  runtime: nvidia
+  ipc: "container:cuframes-pub-parking"
+  pid: "container:cuframes-pub-parking"
+  volumes:
+    - cuframes_sock:/run/cuframes:ro
+  environment:
+    LD_LIBRARY_PATH: /usr/local/lib
+  command: python3 /app/cuframes_consumer.py --key cam-parking --max-frames 1000000
+```
+
+## v0.3 → first-class pybind11 bindings
+
+Текущий ctypes pattern будет заменён на native pybind11 bindings в v0.3 cuframes
+([ROADMAP.md](../../ROADMAP.md)). Тогда API будет более pythonic + zero-copy через
+`__cuda_array_interface__` / `dlpack`.
diff --git a/examples/python-consumer/cuframes_consumer.py b/examples/python-consumer/cuframes_consumer.py
new file mode 100644
index 0000000..dafeae7
--- /dev/null
+++ b/examples/python-consumer/cuframes_consumer.py
@@ -0,0 +1,206 @@
+#!/usr/bin/env python3
+"""
+Reference Python consumer для cuframes (через ctypes wrapper).
+
+До v0.3 (когда появятся первоклассные pybind11 bindings) — это minimal
+working pattern для AI/ML скриптов которые хотят подписаться на cuframes IPC.
+
+Pattern:
+  1. subscribe to cuframes (open libcuframes.so via ctypes)
+  2. в цикле: получить next() frame
+  3. cudaMemcpy → host (через pycuda либо отдельной CUDA-Python библиотекой)
+  4. передать в свой ML pipeline (ONNX/TensorRT/PyTorch)
+  5. release frame обратно publisher'у
+
+Limitations:
+  - Этот skeleton НЕ делает actual CUDA copy (нужна pycuda / cupy / cuda-python)
+  - Только sync API
+  - Только NV12 (v0.1)
+
+Запуск:
+  python3 cuframes_consumer.py --key cam-parking --max-frames 100
+
+Требования (на target host):
+  - libcuframes.so в LD_LIBRARY_PATH (либо apt install / docker)
+  - publisher запущен (cuframes-rtsp-source --key cam-parking ...)
+  - same IPC + PID namespace что publisher (если в docker — ipc:container: + pid:container:)
+"""
+
+import argparse
+import ctypes
+import sys
+import time
+from ctypes import c_int, c_int32, c_int64, c_uint64, c_uint32, c_char_p, c_void_p, c_size_t, POINTER, Structure
+
+
+# ─── C API bindings ─────────────────────────────────────────────────────
+
+# Error codes
+CUFRAMES_OK = 0
+CUFRAMES_ERR_TIMEOUT = -7
+CUFRAMES_ERR_WOULD_BLOCK = -11
+CUFRAMES_ERR_DISCONNECTED = -9
+
+# Modes
+CUFRAMES_MODE_NEWEST_ONLY = 0
+CUFRAMES_MODE_STRICT_ORDER = 1
+
+# Pixel format
+CUFRAMES_FORMAT_NV12 = 0
+
+
+class SubscriberConfig(Structure):
+    """Соответствует C struct cuframes_subscriber_config."""
+    _fields_ = [
+        ("key", c_char_p),
+        ("consumer_name", c_char_p),
+        ("mode", c_int),
+        ("cuda_device", c_int32),
+        ("connect_timeout_ms", c_int32),
+        ("_reserved", c_uint64 * 4),
+    ]
+
+
+def _load_libcuframes():
+    """Загрузить libcuframes.so + bind ctypes signatures."""
+    try:
+        lib = ctypes.CDLL("libcuframes.so.0")
+    except OSError as e:
+        sys.stderr.write(f"Cannot load libcuframes.so.0: {e}\n")
+        sys.stderr.write("Установи libcuframes (см. cuframes README) и убедись что .so в LD_LIBRARY_PATH.\n")
+        sys.exit(1)
+
+    # cuframes_strerror
+    lib.cuframes_strerror.argtypes = [c_int]
+    lib.cuframes_strerror.restype = c_char_p
+
+    # cuframes_subscriber_create
+    lib.cuframes_subscriber_create.argtypes = [POINTER(SubscriberConfig), POINTER(c_void_p)]
+    lib.cuframes_subscriber_create.restype = c_int
+
+    # cuframes_subscriber_next  (consumer_stream=NULL — sync API, default stream)
+    lib.cuframes_subscriber_next.argtypes = [c_void_p, c_void_p, POINTER(c_void_p), c_int32]
+    lib.cuframes_subscriber_next.restype = c_int
+
+    # cuframes_subscriber_release
+    lib.cuframes_subscriber_release.argtypes = [c_void_p, c_void_p]
+    lib.cuframes_subscriber_release.restype = c_int
+
+    # cuframes_subscriber_destroy
+    lib.cuframes_subscriber_destroy.argtypes = [c_void_p]
+    lib.cuframes_subscriber_destroy.restype = c_int
+
+    # cuframes_frame_* accessors
+    lib.cuframes_frame_cuda_ptr.argtypes = [c_void_p]
+    lib.cuframes_frame_cuda_ptr.restype = c_void_p
+
+    lib.cuframes_frame_size.argtypes = [c_void_p, POINTER(c_int32), POINTER(c_int32)]
+    lib.cuframes_frame_size.restype = None
+
+    lib.cuframes_frame_pitch_y.argtypes = [c_void_p]
+    lib.cuframes_frame_pitch_y.restype = c_int32
+
+    lib.cuframes_frame_pitch_uv.argtypes = [c_void_p]
+    lib.cuframes_frame_pitch_uv.restype = c_int32
+
+    lib.cuframes_frame_seq.argtypes = [c_void_p]
+    lib.cuframes_frame_seq.restype = c_uint64
+
+    lib.cuframes_frame_pts_ns.argtypes = [c_void_p]
+    lib.cuframes_frame_pts_ns.restype = c_int64
+
+    return lib
+
+
+# ─── Main consumer loop ────────────────────────────────────────────────
+
+def main():
+    ap = argparse.ArgumentParser(description="Reference cuframes Python consumer")
+    ap.add_argument("--key", required=True, help="publisher key (e.g. cam-parking)")
+    ap.add_argument("--max-frames", type=int, default=100, help="N frames to receive (default 100)")
+    ap.add_argument("--cuda-device", type=int, default=0)
+    ap.add_argument("--timeout-ms", type=int, default=1000, help="per-frame timeout")
+    args = ap.parse_args()
+
+    lib = _load_libcuframes()
+
+    # Configure subscriber
+    cfg = SubscriberConfig()
+    cfg.key = args.key.encode("utf-8")
+    cfg.consumer_name = None  # auto-generated
+    cfg.mode = CUFRAMES_MODE_NEWEST_ONLY
+    cfg.cuda_device = args.cuda_device
+    cfg.connect_timeout_ms = 5000
+
+    sub_handle = c_void_p()
+    rc = lib.cuframes_subscriber_create(ctypes.byref(cfg), ctypes.byref(sub_handle))
+    if rc != CUFRAMES_OK:
+        sys.stderr.write(f"subscribe failed: {lib.cuframes_strerror(rc).decode()}\n")
+        sys.exit(1)
+
+    print(f"[consumer] connected to '{args.key}'")
+
+    received = 0
+    first_pts = None
+    start_wall = None
+
+    try:
+        while received < args.max_frames:
+            frame_handle = c_void_p()
+            rc = lib.cuframes_subscriber_next(sub_handle, None, ctypes.byref(frame_handle),
+                                              args.timeout_ms)
+
+            if rc == CUFRAMES_ERR_TIMEOUT or rc == CUFRAMES_ERR_WOULD_BLOCK:
+                continue
+            if rc == CUFRAMES_ERR_DISCONNECTED:
+                print(f"[consumer] publisher disconnected — exit")
+                break
+            if rc != CUFRAMES_OK or not frame_handle.value:
+                sys.stderr.write(f"next failed: {lib.cuframes_strerror(rc).decode()}\n")
+                break
+
+            # Frame metadata
+            w, h = c_int32(0), c_int32(0)
+            lib.cuframes_frame_size(frame_handle, ctypes.byref(w), ctypes.byref(h))
+            pitch_y = lib.cuframes_frame_pitch_y(frame_handle)
+            pitch_uv = lib.cuframes_frame_pitch_uv(frame_handle)
+            cuda_ptr = lib.cuframes_frame_cuda_ptr(frame_handle)
+            seq = lib.cuframes_frame_seq(frame_handle)
+            pts_ns = lib.cuframes_frame_pts_ns(frame_handle)
+
+            if first_pts is None:
+                first_pts = pts_ns
+                start_wall = time.monotonic()
+                print(f"[consumer] first frame: {w.value}x{h.value} NV12, "
+                      f"pitch_y={pitch_y}, pitch_uv={pitch_uv}, cuda_ptr=0x{cuda_ptr:x}")
+
+            # ─── ВАШ ML PIPELINE ЗДЕСЬ ────────────────────────────
+            # 1. cudaMemcpy NV12 frame → host (или используй pycuda / cupy для in-GPU pipeline)
+            # 2. NV12 → RGB conversion (CPU либо GPU)
+            # 3. inference: model(frame) → results
+            # 4. publish results (mqtt / API / etc)
+            #
+            # В этом skeleton — просто counter.
+            received += 1
+            if received % 25 == 0:
+                print(f"[consumer] received={received} seq={seq} pts_ms={pts_ns // 1_000_000}")
+
+            # CRITICAL: release frame ОБЯЗАТЕЛЬНО — иначе publisher застрянет
+            # (или drop new frames при ring overflow в STRICT_ORDER mode).
+            lib.cuframes_subscriber_release(sub_handle, frame_handle)
+
+    finally:
+        lib.cuframes_subscriber_destroy(sub_handle)
+
+    if received > 1 and start_wall:
+        elapsed = time.monotonic() - start_wall
+        fps = (received - 1) / elapsed if elapsed > 0 else 0
+        print(f"\n=== RESULT ===")
+        print(f"received: {received} / {args.max_frames}")
+        print(f"elapsed:  {elapsed:.2f}s")
+        print(f"avg_fps:  {fps:.2f}")
+    sys.exit(0 if received >= args.max_frames else 1)
+
+
+if __name__ == "__main__":
+    main()