通过Harpia提升Annotat3D: 面向大规模体数据分割的CUDA加速图书馆
计算机视觉与模式识别
2025-11-18 v1 分布式、并行与集群计算
摘要
高分辨率体数据成像技术(如X射线断层扫描和高级显微镜)生成的数据集规模日益增大,挑战现有工具在高效处理、分割和交互式探索方面的能力。本工作通过Harpia引入Annotat3D的新功能,这是一种基于CUDA的处理库,旨在支持高性能计算(HPC)和远程访问环境下大规模3D数据集的可扩展、交互式分割工作流程。Harpia具备严格的内存控制、原生分块执行,以及一整套GPU加速的滤波、注释和量化工具,使其能够可靠地处理超出单GPU内存容量的数据集。实验结果表明,与NVIDIA cuCIM和scikit-image等广泛使用的框架相比,该系统在处理速度、内存效率和可扩展性方面均实现了显著提升。结合交互式、人类在回路中的界面与高效GPU资源管理,该系统特别适用于共享HPC设施中的协作科学成像工作流程。
引用
@article{arxiv.2511.11890,
title = {Advancing Annotat3D with Harpia: A CUDA-Accelerated Library For Large-Scale Volumetric Data Segmentation},
author = {Camila Machado de Araujo and Egon P. B. S. Borges and Ricardo Marcelo Canteiro Grangeiro and Allan Pinto},
journal= {arXiv preprint arXiv:2511.11890},
year = {2025}
}