Czy duża ilość pamięci GPU pomaga w pracy z bardzo dużymi obrazami i mozaikami obrazów?

14

Wygląda na to, że bardzo pomocne byłoby przechowywanie jak największej ilości obrazu na GPU do przesuwania i powiększania itp.

Mamy do czynienia z wieloma bardzo dużymi obrazami. Wiele z nich ma rozmiar od 8 GB do setek GB. W domu mam 40-calowy monitor 4k i GTX Titan z 12 GB pamięci wideo i działa on niesamowicie dobrze we wszystkim, co mu rzucam. Wygląda również świetnie podczas przeglądania zdjęć. Czy to przesada w konfiguracji przetwarzania obrazu GIS praca?

Czy QGIS , ArcMap i PCI Geomatica byłyby w stanie wykorzystać bogatą pamięć graficzną, mając do czynienia z wielobajtowymi obrazami i mozaikami obrazów w zakresie setek gigabajtów?

Jakie aplikacje GIS najbardziej skorzystałyby z dużej ilości pamięci GPU w przypadku dużych obrazów?

— gnarbarian
źródło

4

W przypadku programu takiego jak ArcMap posiadanie wysokiej klasy procesora graficznego nie jest niezwykle ważne przy pracy z dużymi rastrami. Wskazane jest raczej posiadanie dużej ilości pamięci RAM, aby radzić sobie z przetwarzaniem rastrowym, takim jak mozaikowanie. Niestety ArcGIS ma bardzo ograniczone możliwości przetwarzania GPU. Nie mogę mówić w imieniu QGIS ani PCI. Być może warto przyjrzeć się przetwarzaniu obrazu za pomocą Matlaba ze względu na doskonałą obsługę procesorów GPU.

— Aaron

3

Oprogramowanie GIS, o którym wiem, że w pełni wykorzystuje moc GPU, to Manifold GIS. Uważam, że obsługuje do czterech procesorów graficznych korzystających z rdzeni Nvidia CUDA. Jest także natywny w wersji 64-bitowej i wykorzystuje zarówno konfiguracje wielordzeniowe, jak i wieloprocesorowe. Prawidłowo skonfigurowana maszyna z kolektora może być bestią. Niestety ArcGIS i QGIS są daleko w tym zakresie. Nie wiem o PCI Geomatics.

— Baltok,

1

Jak powiedział @Aaron, ArcGis lubi więcej pamięci RAM na pokładzie i szybszy dysk twardy (lub SSD) ... ma to związek ze sposobem, w jaki renderuje się jako pamięć podręczna w pamięci RAM i zasadniczo rzuca skompilowaną mapę bitową na kartę graficzną w celu wyświetlenia - cała praca odbywa się za pomocą jednego wątku w pamięci płyty głównej. Jeśli chodzi o zaległości, Esri jest wciąż aplikacją z jednym wątkiem, mimo że wiele rdzeni jest dostępnych od późnych lat 90-tych; wielu z nas ma nadzieję, że podejście ArcGis Pro od zera pozwoli na obsługę wielu wątków.

— Michael Stimson,

1

Niektóre konkretne narzędzia są ulepszane, aby w szczególności korzystać z wysokiej klasy procesorów graficznych, takie jak Viewshed2 Wiele narzędzi, na przykład do przetwarzania mozaiki, może korzystać z wielu rdzeni w ArcGIS 10.2+

— KHibma

16

Esri wydało ArcGIS Pro, który wykorzystuje procesor graficzny do renderowania i przetwarzania:

Zasoby karty graficznej

W ArcGIS Pro silnik graficzny ogranicza rysowanie w oparciu o możliwości twojego procesora graficznego (GPU).

Przetwarzanie GPU za pomocą Spatial Analyst

Spatial Analyst oferuje teraz lepszą wydajność dzięki wykorzystaniu przetwarzania niektórych procesorów przez procesor graficzny (GPU). Technologia ta wykorzystuje moc obliczeniową karty graficznej we współczesnych komputerach, aby poprawić wydajność niektórych operacji.

— Radar
źródło

3

Jedyny GIS wykorzystujący moc GPU do przetwarzania danych to MapD. Dane Harvard Tweetmap są przetwarzane za pomocą tego oprogramowania.

Harvard Tweetmap Obsługiwane przez MapD

Projekt MapD - masowe przetwarzanie danych przestrzennych

Innym sposobem jest zainstalowanie przetwarzania w tle ArcGIS dla procesora 64-bitowego.

To absolutnie skróci czas obliczania obrazu rastrowego, ponieważ wszystkie są w procesie tła.

ArcGIS Background Geoprocessing

— Downhillski
źródło

3

W przypadku przetwarzania obrazu obecnie zajmują się tym dwa projekty:

Projekty te dotyczą bezpośrednio systemów równoległych (takich jak przetwarzanie GPU i obliczenia o wysokiej wydajności), ale nie tylko, i mogą być wdrażane w systemach rozproszonych. Narzędzia GIS dla Hadoop były początkowo zaprojektowane do pracy w środowisku Hadoop, ale teraz są one przenoszone do Spark. Geotrellis był bezpośrednio zaangażowany w Spark.

Jednym z zagadnień, które należy wziąć pod uwagę w przypadku przetwarzania równoległego / rozproszonego w przetwarzaniu obrazu / teledetekcji, jest to, że większość algorytmów ma implementację, która szereguje dane podczas przetwarzania, więc dużym wysiłkiem w projektach jest obecnie przeniesienie tych starszych algorytmów do pracy na nieuporządkowanych danych struktury, co jest dość trudne.

— Ricardo Barros Lourenço
źródło

2

Nie powiedziałbym zbytnio, że „oprogramowanie GIS nie wykorzystuje procesora graficznego do przetwarzania”, mówiąc tylko o ArcMap. Wszystko, co korzysta z OpenGL lub DirectX z shaderem, skorzysta z pamięci GPU: Google Earth, ArcScene / ArcGlobe, ENVI, OpenSceneGraph, AmigoCloud, CesiumJS itp.

— Ragi Yaser Burhum
źródło

Renderowanie to nie to samo, co algorytmy przenoszenia do GPU, co szczególnie w przypadku wektorów jest znacznie trudniejsze.

— John Powell,