Uma grande quantidade de memória da GPU ajuda ao trabalhar com imagens muito grandes e mosaicos de imagens?

14

Parece que ajudaria bastante armazenar o máximo de imagem possível na GPU para fazer pan e zoom, etc.

Lidamos com muitas imagens muito grandes. Muitos variam de 8 GB a centenas de GB em tamanho. Em casa, eu tenho um monitor de 40 "4k e um GTX Titan com 12 GB de memória de vídeo, e ele tem um desempenho incrível para tudo que eu jogue nele. Também fica ótimo ao exibir imagens. Esse é um exagero na configuração do processamento de imagens GIS trabalhos?

Será que QGIS , ArcMap e PCI Geomatica ser capaz de tirar proveito de memória gráfica abundante quando se lida com imagens gigabyte múltiplas e mosaicos de imagens na faixa de centenas de gigabytes?

Quais aplicativos GIS seriam os mais beneficiados pela abundância de memória da GPU ao lidar com imagens grandes?

— gnarbarian
fonte

4

Para um programa como o ArcMap, ter uma GPU de ponta não é extremamente importante para trabalhar com grandes rasters. Em vez disso, é aconselhável ter grandes quantidades de RAM para lidar com o processamento de varredura, como mosaicos. Infelizmente, o ArcGIS possui recursos de processamento de GPU muito limitados. Não posso falar por QGIS ou PCI. Pode valer a pena analisar o processamento de imagens com o Matlab devido ao excelente suporte ao processador de GPU.

— Aaron

3

O software GIS que eu conheço que aproveita ao máximo a potência da GPU é o Manifold GIS. Acredito que ele suporta até quatro GPUs usando núcleos Nvidia CUDA. Também é nativo de 64 bits e aproveitará as configurações de vários núcleos e de várias CPUs. Preparada da maneira certa, uma máquina do manifold pode ser uma fera. Infelizmente, o ArcGIS e o QGIS estão muito atrasados nesse sentido. Eu não sei sobre PCI Geomatics.

— Baltok

1

Como a @Aaron disse, o ArcGis gosta de mais RAM a bordo e de um HDD (ou SSD) mais rápido ... isso tem a ver com a maneira como é renderizado como caches na RAM e essencialmente lança o bitmap compilado na placa gráfica para exibição - todo o trabalho é feito por um único thread na memória da placa principal. Por estar atrasado, o Esri ainda é um aplicativo de thread único, apesar de vários núcleos estarem disponíveis desde o final dos anos 90; muitos de nós estamos esperando o início a partir do zero abordagem de ArcGis Pro permitirá que suporte multi fio.

— Michael Stimson

1

Algumas ferramentas específicas estão sendo aprimoradas para tirar proveito específico da GPU de ponta, como o Viewshed2 Várias ferramentas, como as de processamento em mosaico, podem tirar proveito de vários núcleos no ArcGIS 10.2+

— KHibma

16

A Esri lançou o ArcGIS Pro, que faz uso da GPU para renderização e processamento:

Recursos do adaptador gráfico

No ArcGIS Pro, o mecanismo gráfico limita o desenho com base nas habilidades da sua unidade de processamento gráfico (GPU).

Processamento de GPU com analista espacial

O Spatial Analyst agora oferece desempenho aprimorado com o uso da unidade de processamento gráfico (GPU) para algumas ferramentas. Essa tecnologia tira proveito do poder de computação da placa gráfica em computadores modernos para melhorar o desempenho de determinadas operações.

— Radar
fonte

3

O único GIS que utiliza a energia da GPU para processar dados é chamado MapD. Os dados do Harvard Tweetmap são processados através deste software.

Harvard Tweetmap Desenvolvido por MapD

Projeto MapD - Computação maciça de dados espaciais

Outra maneira é instalar o processamento em segundo plano do ArcGIS para o processador de 64 bits.

Isso diminuirá absolutamente o tempo de cálculo da imagem raster, pois todos eles estão no processo em segundo plano.

Geoprocessamento ArcGIS Background

— Downhillski
fonte

3

Para o processamento de imagens, atualmente existem dois projetos que lidam com isso:

Esses projetos estão lidando diretamente com sistemas paralelos (como processamento de GPU e computação de alto desempenho), mas não se limitando a ele, e podendo implementar em sistemas distribuídos. O GIS Tools for Hadoop foi projetado inicialmente para funcionar em um ambiente Hadoop, mas agora eles são movidos para o Spark. Geotrellis estava diretamente envolvido com o Spark.

Uma questão a considerar ao lidar com a computação paralela / distribuída no processamento de imagens / sensoriamento remoto é que a maioria dos algoritmos possui implementação que serializa os dados durante o processamento, portanto, o grande esforço nos projetos atualmente está movendo esses algoritmos legados para trabalhar com dados distribuídos estruturas, o que é bastante desafiador.

— Ricardo Barros Lourenço
fonte

2

Eu não generalizaria demais e diria "O software GIS não usa GPU para processamento" ao falar apenas sobre o ArcMap. Qualquer coisa que use OpenGL ou DirectX com shaders aproveitará a memória da GPU: Google Earth, ArcScene / ArcGlobe, ENVI, OpenSceneGraph, AmigoCloud, CesiumJS, etc.

— Ragi Yaser Burhum
fonte

Renderizar não é o mesmo que portar algoritmos para a GPU, o que particularmente para vetores é muito mais desafiador.

— John Powell