¿Ayuda una gran cantidad de memoria de GPU al trabajar con imágenes muy grandes y mosaicos de imágenes?

14

Parece que sería de gran ayuda almacenar la mayor cantidad de imagen posible en la GPU para hacer panorámicas y hacer zoom, etc.

Nos ocupamos de muchas imágenes muy grandes. Muchos varían de 8 GB a cientos de GB de tamaño. En casa tengo un monitor de 4 "de 40" y un GTX Titan con 12 GB de memoria de video, y funciona increíblemente bien para todo lo que le arrojo. También se ve muy bien cuando veo imágenes. ¿Es una configuración excesiva para el procesamiento de imágenes GIS? ¿trabajo?

¿ QGIS , ArcMap y PCI Geomatica podrían aprovechar la abundante memoria gráfica cuando se trata de imágenes de varios gigabytes y mosaicos de imágenes en el rango de cientos de gigabytes?

¿Qué aplicaciones SIG obtendrían el mayor beneficio de una gran cantidad de memoria GPU cuando se trata de imágenes grandes?

— gnarbarian
fuente

44

Para un programa como ArcMap, tener una GPU de gama alta no es críticamente importante para trabajar con grandes rásteres. Más bien, es aconsejable tener grandes cantidades de RAM para lidiar con el procesamiento ráster, como el mosaico. Desafortunadamente, ArcGIS tiene capacidades de procesamiento de GPU muy limitadas. No puedo hablar por QGIS o PCI. Puede valer la pena analizar el procesamiento de imágenes con Matlab debido al excelente soporte del procesador GPU.

— Aaron

3

El software SIG que conozco que aprovecha al máximo la potencia de la GPU es Manifold GIS. Creo que admite hasta cuatro GPU con núcleos Nvidia CUDA. También es nativo de 64 bits y aprovechará las configuraciones de múltiples núcleos y múltiples CPU. Si se configura correctamente, una máquina múltiple puede ser una bestia. Desafortunadamente, ArcGIS y QGIS están muy por detrás en ese sentido. No sé sobre PCI Geomatics.

— Baltok

1

Como dijo @Aaron, a ArcGis le gusta más RAM a bordo y un HDD (o SSD) más rápido ... tiene que ver con la forma en que se procesa como caché en RAM y esencialmente arroja el mapa de bits compilado a la tarjeta gráfica para mostrarlo: todo el trabajo se realiza mediante un solo hilo en la memoria de la placa En cuanto a estar detrás de los tiempos, Esri sigue siendo una aplicación de un solo hilo a pesar de los múltiples núcleos disponibles desde finales de los 90; Muchos de nosotros esperamos que el enfoque desde cero desde ArcGis Pro permita la compatibilidad con múltiples hilos.

— Michael Stimson

1

Algunas herramientas específicas se están mejorando para aprovechar específicamente la GPU de gama alta, como Viewshed2. Una serie de herramientas, las de procesamiento de mosaico, por ejemplo, pueden aprovechar múltiples núcleos en ArcGIS 10.2+

— KHibma

16

Esri ha lanzado ArcGIS Pro, que utiliza la GPU para renderizar y procesar:

Recursos del adaptador de gráficos

En ArcGIS Pro, el motor de gráficos limita el dibujo en función de las capacidades de su unidad de procesamiento de gráficos (GPU).

Procesamiento de GPU con Spatial Analyst

Spatial Analyst ahora ofrece un rendimiento mejorado con el uso del procesamiento de la Unidad de procesamiento de gráficos (GPU) para algunas herramientas. Esta tecnología aprovecha la potencia informática de la tarjeta gráfica en las computadoras modernas para mejorar el rendimiento de ciertas operaciones.

— Radar
fuente

3

El único SIG que utiliza la potencia de la GPU para procesar datos se llama MapD. Los datos de Harvard Tweetmap se procesan a través de este software.

Harvard Tweetmap Desarrollado por MapD

Proyecto MapD - Computación masiva de datos espaciales

Otra forma es instalar el procesamiento en segundo plano ArcGIS para el procesador de 64 bits.

Eso disminuirá absolutamente el tiempo de cálculo de la imagen ráster ya que todos están en el proceso de fondo.

Geoprocesamiento de fondo de ArcGIS

— Downhillski
fuente

3

Para el procesamiento de imágenes, actualmente hay dos proyectos que se ocupan de esto:

Esos proyectos tratan directamente con sistemas paralelos (como procesamiento de GPU y computación de alto rendimiento), pero no se limitan a ellos, y pueden implementarse en sistemas distribuidos. GIS Tools for Hadoop fue inicialmente diseñado para trabajar en un entorno Hadoop, pero ahora se están moviendo a Spark. Geotrellis estuvo directamente involucrado con Spark.

Una cuestión a considerar cuando se trata de computación paralela / distribuida en procesamiento de imágenes / teledetección, es que la mayoría de los algoritmos tienen una implementación que serializa los datos durante el procesamiento, por lo que el gran esfuerzo en proyectos hoy en día es mover esos algoritmos heredados para trabajar en datos distribuidos estructuras, lo cual es bastante desafiante.

— Ricardo Barros Lourenço
fuente

2

No generalizaría demasiado y diría "El software SIG no usa GPU para el procesamiento" cuando se habla solo de ArcMap. Cualquier cosa que use OpenGL o DirectX con sombreadores aprovechará la memoria de la GPU: Google Earth, ArcScene / ArcGlobe, ENVI, OpenSceneGraph, AmigoCloud, CesiumJS, etc.

— Ragi Yaser Burhum
fuente

Renderizar no es lo mismo que portar algoritmos a la GPU, que en particular para los vectores, es mucho más desafiante.

— John Powell