論文の概要: Advancing Annotat3D with Harpia: A CUDA-Accelerated Library For Large-Scale Volumetric Data Segmentation

• arxiv url: http://arxiv.org/abs/2511.11890v1
• Date: Fri, 14 Nov 2025 21:45:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:23.3618
• Title: Advancing Annotat3D with Harpia: A CUDA-Accelerated Library For Large-Scale Volumetric Data Segmentation
• Title（参考訳）: HarpiaによるAnnotat3Dの改良 - 大規模ボリュームデータセグメンテーションのためのCUDA高速化ライブラリ
• Authors: Camila Machado de Araujo, Egon P. B. S. Borges, Ricardo Marcelo Canteiro Grangeiro, Allan Pinto,
• Abstract要約: この作業は、Harpiaを通じてAnnotat3Dに新しい機能を導入している。 このライブラリは、スケーラブルでインタラクティブなセグメンテーションをサポートし、大規模3Dデータセットをハイパフォーマンスコンピューティングでサポートするように設計されている。 このシステムのインタラクティブなヒューマン・イン・ザ・ループインタフェースは、効率的なGPUリソース管理と組み合わせて、特に協調的な科学的イメージングに適している。
• 参考スコア（独自算出の注目度）: 0.1499944454332829
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-resolution volumetric imaging techniques, such as X-ray tomography and advanced microscopy, generate increasingly large datasets that challenge existing tools for efficient processing, segmentation, and interactive exploration. This work introduces new capabilities to Annotat3D through Harpia, a new CUDA-based processing library designed to support scalable, interactive segmentation workflows for large 3D datasets in high-performance computing (HPC) and remote-access environments. Harpia features strict memory control, native chunked execution, and a suite of GPU-accelerated filtering, annotation, and quantification tools, enabling reliable operation on datasets exceeding single-GPU memory capacity. Experimental results demonstrate significant improvements in processing speed, memory efficiency, and scalability compared to widely used frameworks such as NVIDIA cuCIM and scikit-image. The system's interactive, human-in-the-loop interface, combined with efficient GPU resource management, makes it particularly suitable for collaborative scientific imaging workflows in shared HPC infrastructures.
• Abstract（参考訳）: X線トモグラフィや高度な顕微鏡のような高解像度のボリュームイメージング技術は、効率的な処理、セグメンテーション、インタラクティブな探索のための既存のツールに挑戦する大規模なデータセットを生成する。 この作業では、ハイパフォーマンスコンピューティング(HPC)とリモートアクセス環境において、大規模な3Dデータセットのためのスケーラブルでインタラクティブなセグメンテーションワークフローをサポートするために設計された、CUDAベースの新しい処理ライブラリであるHarpiaを通じて、Annotat3Dに新機能を導入している。 Harpiaは厳格なメモリ制御、ネイティブチャンク実行、GPUアクセラレーションされたフィルタリング、アノテーション、定量化ツールのスイートを備え、単一のGPUメモリ容量を超えるデータセットの信頼性の高い操作を可能にする。 実験の結果、NVIDIA cuCIMやScikit-imageといった広く使われているフレームワークと比較して、処理速度、メモリ効率、スケーラビリティが大幅に改善された。 このシステムのインタラクティブなヒューマン・イン・ザ・ループインターフェースは、効率的なGPUリソース管理と組み合わせて、共有HPCインフラストラクチャにおける協調的な科学的イメージワークフローに特に適している。

関連論文リスト

• cubic: CUDA-accelerated 3D Bioimage Computing [42.83541173560835]
  このライブラリは、広く使われているSciPyとScikit-image APIをGPUアクセラレーションによって拡張します。 CubuteのAPIはデバイスに依存しないため、データがデバイスに配置された時にGPUに操作をディスパッチする。 個別の操作をベンチマークし、既存のデコンボリューションパイプラインとセグメンテーションパイプラインを再現することで立方体の評価を行う。
  論文  参考訳（メタデータ） (2025-10-15T22:22:06Z)
• LODGE: Level-of-Detail Large-Scale Gaussian Splatting with Efficient Rendering [75.67501939005119]
  メモリ制約デバイス上での3次元ガウススプラッティングのための新しいレベル・オブ・ディーテール(LOD)法を提案する。 カメラ距離に基づいてガウスの最適部分集合を反復的に選択する。 本手法は,屋外(階層型3DGS)と屋内(Zip-NeRF)の両方で最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-05-29T06:50:57Z)
• FlashGS: Efficient 3D Gaussian Splatting for Large-scale and High-resolution Rendering [11.727367585102112]
  FlashGSは、3D Gaussian Splattingの効率的な差別化を容易にするように設計されている。 FlashGSの性能評価は、多種多様な合成シーンと実世界の大規模シーンで行われている。 結果は、FlashGSの優れたパフォーマンスとリソース最適化能力を強調し、それを3Dレンダリングの領域における恐ろしいツールとして位置づけた。
  論文  参考訳（メタデータ） (2024-08-15T06:27:42Z)
• Multi-GPU RI-HF Energies and Analytic Gradients $-$ Towards High Throughput Ab Initio Molecular Dynamics [0.0]
  本稿では,複数グラフィクス処理ユニット(GPU)を用いた高次ハートリー・フォックエネルギーと解析勾配の解法を最適化したアルゴリズムと実装を提案する。 このアルゴリズムは特に、中小分子(10-100原子)の高スループット初期分子動力学シミュレーションのために設計されている。
  論文  参考訳（メタデータ） (2024-07-29T00:14:10Z)
• fVDB: A Deep-Learning Framework for Sparse, Large-Scale, and High-Performance Spatial Intelligence [55.582429009401956]
  fVDBは、大規模な3Dデータのディープラーニングのための新しいフレームワークである。 私たちのフレームワークは、既存のパイプラインとの相互運用性を可能にするPyTorchと完全に統合されています。
  論文  参考訳（メタデータ） (2024-07-01T20:20:33Z)
• Volkit: A Performance-Portable Computer Vision Library for 3D Volumetric Data [1.933681537640272]
  本稿では,画像操作とコンピュータビジョンアルゴリズムを高性能に実装したオープンソースライブラリであるVolkitを紹介する。 我々はVolkitを使用して、VRでレンダリングされた医療およびシミュレーションデータを処理し、ライブラリをC++バーチャルリアリティソフトウェアCalVRに統合した。
  論文  参考訳（メタデータ） (2022-03-19T01:52:08Z)
• ASH: A Modern Framework for Parallel Spatial Hashing in 3D Perception [91.24236600199542]
  ASHは、GPU上の並列空間ハッシュのためのモダンで高性能なフレームワークである。 ASHはより高いパフォーマンスを実現し、よりリッチな機能をサポートし、より少ないコード行を必要とする。 ASHとそのサンプルアプリケーションはOpen3Dでオープンソース化されている。
  論文  参考訳（メタデータ） (2021-10-01T16:25:40Z)
• Providing Meaningful Data Summarizations Using Examplar-based Clustering in Industry 4.0 [67.80123919697971]
  我々は,従来のCPUアルゴリズムと比較して,一精度で最大72倍,半精度で最大452倍の高速化を実現していることを示す。 提案アルゴリズムは射出成形プロセスから得られた実世界のデータに適用し, 得られたサマリーが, コスト削減と不良部品製造の削減のために, この特定のプロセスのステアリングにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2021-05-25T15:55:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。