Une grande quantité de mémoire GPU aide-t-elle lorsque vous travaillez avec de très grandes images et des mosaïques d'images?

14

Il semble que cela aiderait beaucoup à stocker autant d'images que possible sur le GPU pour le panoramique et le zoom, etc.

Nous traitons beaucoup d'images très grandes. Beaucoup varient de 8 Go à des centaines de Go. À la maison, j'ai un moniteur 40 "4k et un GTX Titan avec 12 Go de mémoire vidéo, et il fonctionne incroyablement bien pour tout ce que je lui lance. Il a également fière allure lors de la visualisation d'images. travail?

Would QGIS , ArcMap et PCI Geomatica pouvoir profiter de la mémoire graphique abondante lorsqu'ils traitent avec des images multi gigaoctet et des mosaïques d'images dans la gamme de centaines de giga - octets?

Quelles applications SIG bénéficieraient le plus d'une abondance de mémoire GPU lors du traitement d'images de grande taille?

— gnarbare
source

4

Pour un programme comme ArcMap, avoir un GPU haut de gamme n'est pas d'une importance critique pour travailler avec de grands rasters. Il est plutôt conseillé d'avoir de grandes quantités de RAM pour gérer le traitement de trame comme le mosaïquage. Malheureusement, ArcGIS a des capacités de traitement GPU très limitées. Je ne peux pas parler pour QGIS ou PCI. Il peut être intéressant de se pencher sur le traitement d'image avec Matlab en raison de l'excellent support du processeur GPU.

— Aaron

3

Le logiciel SIG que je connais qui tire le meilleur parti de la puissance du GPU est Manifold GIS. Je crois qu'il prend en charge jusqu'à quatre GPU à l'aide de cœurs Nvidia CUDA. Il est également natif 64 bits et tirera parti des configurations multicœurs et multi-processeurs. Bien installée, une machine à manifold peut être une bête. Malheureusement, ArcGIS et QGIS sont loin derrière à cet égard. Je ne connais pas PCI Geomatics.

— Baltok

1

Comme @Aaron l'a dit, ArcGis aime plus de RAM à bord et un disque dur (ou SSD) plus rapide ... cela a à voir avec la façon dont il s'affiche sous forme de caches en RAM et jette essentiellement le bitmap compilé sur la carte graphique pour l'affichage - tout le travail se fait par un seul thread dans la mémoire de la carte mère. Quant à être en retard, Esri est toujours une application à un seul thread malgré plusieurs cœurs disponibles depuis la fin des années 90; beaucoup d'entre nous espèrent que l' approche de départ à zéro d'ArcGis Pro permettra la prise en charge de plusieurs threads.

— Michael Stimson,

1

Certains outils spécifiques sont améliorés pour tirer spécifiquement parti des GPU haut de gamme, comme Viewshed2 Un certain nombre d'outils, ceux de traitement de mosaïques par exemple, peuvent tirer parti de plusieurs cœurs dans ArcGIS 10.2+

— KHibma

16

Esri a publié ArcGIS Pro, qui utilise le GPU pour le rendu et certains traitements:

Ressources de l'adaptateur graphique

Dans ArcGIS Pro, le moteur graphique limite le dessin en fonction des capacités de votre unité de traitement graphique (GPU).

Traitement GPU avec Spatial Analyst

Spatial Analyst offre désormais des performances améliorées avec l'utilisation du traitement GPU (Graphics Processing Unit) pour certains outils. Cette technologie tire parti de la puissance de calcul de la carte graphique des ordinateurs modernes pour améliorer les performances de certaines opérations.

— Radar
source

3

Le seul SIG qui utilise la puissance du processeur graphique pour traiter les données s'appelle MapD. Les données Harvard Tweetmap sont traitées via ce logiciel.

Harvard Tweetmap Propulsé par MapD

Projet MapD - Calcul massif de données spatiales

Une autre façon consiste à installer le traitement d'arrière-plan ArcGIS pour un processeur 64 bits.

Cela réduira absolument le temps de calcul de l'image raster, car ils sont tous en arrière-plan.

Géotraitement d'arrière-plan ArcGIS

— Downhillski
source

3

Pour le traitement d'image, il existe actuellement deux projets qui traitent de cela:

Ces projets traitent directement de systèmes parallèles (comme le traitement GPU et le calcul haute performance), mais sans s'y limiter, et peuvent être mis en œuvre sur des systèmes distribués. Les outils SIG pour Hadoop ont été initialement conçus pour fonctionner sur un environnement Hadoop, mais maintenant ils sont déplacés vers Spark. Geotrellis était directement impliqué avec Spark.

Un problème à prendre en compte lors du traitement de l'informatique parallèle / distribuée sur le traitement d'image / la télédétection, est que la majorité des algorithmes ont une implémentation qui sérialise les données pendant le traitement, de sorte que le gros effort sur les projets de nos jours consiste à déplacer ces algorithmes hérités pour travailler sur des données diffusées. structures, ce qui est assez difficile.

— Ricardo Barros Lourenço
source

2

Je ne voudrais pas trop généraliser et dire "le logiciel SIG n'utilise pas de GPU pour le traitement" en parlant uniquement d'ArcMap. Tout ce qui utilise OpenGL ou DirectX avec des shaders bénéficiera de la mémoire GPU: Google Earth, ArcScene / ArcGlobe, ENVI, OpenSceneGraph, AmigoCloud, CesiumJS, etc.

— Ragi Yaser Burhum
source

Le rendu n'est pas la même chose que le portage d'algorithmes vers le GPU, ce qui, en particulier pour les vecteurs, est beaucoup plus difficile.

— John Powell