TorchMorph: CUDA-accelerated Morphological Transforms

Dans le monde de l'analyse d'images numériques, les ordinateurs s'appuient depuis longtemps sur un ensemble d'outils anciens et fiables pour comprendre les formes. Ces outils, connus sous le nom de transformations morphologiques, agissent comme le ciseau et le pinceau d'un sculpteur numérique. Ils peuvent lisser les bords rugueux, combler de petits trous ou mesurer la distance entre le centre d'un objet et son bord. Pendant des décences, la manière standard d'utiliser ces outils en informatique a été de les exécuter sur le processeur principal de l'ordinateur, l'unité centrale de traitement (CPU). Cette approche fonctionne bien pour des tâches simples, mais elle se heurte à un mur difficile lorsque l'intelligence artificielle moderne tente d'apprendre à partir de quantités massives de vidéos ou de scanners médicaux 3D. Dans ces systèmes avancés, les données résident sur un processeur graphique spécialisé, un dispositif conçu pour gérer des milliers de calculs simultanément. Pour utiliser les anciens outils, l'ordinateur doit s'arrêter, copier les données vers le processeur principal, attendre que le calcul lent soit terminé, puis copier le résultat en retour. Ce transfert constant d'informations est comparable à un coursier faisant des allers-retours dans une ville juste pour livrer une seule lettre ; cela gaspille du temps et de l'énergie, ralentissant l'ensemble du processus d'apprentissage.

Un chercheur a maintenant conçu une nouvelle solution qui élimine ce goulot d'étranglement. Il a créé une bibliothèque logicielle appelée TorchMorph, qui amène ces outils de traitement des formes directement sur le processeur graphique, permettant de travailler sur de vastes lots de données simultanément sans jamais quitter la voie rapide. Le chercheur n'a pas inventé de nouvelles mathématiques ; au lieu de cela, il a pris les méthodes établies et de confiance que les scientifiques utilisent depuis des années et les a réécrites pour qu'elles s'exécutent nativement sur le matériel graphique. Le résultat est un système capable de traiter des images jusqu'à mille fois plus vite que l'ancienne norme lorsqu'il manipule de grands groupes de données, tout en produisant des résultats qui correspondent aux méthodes originales avec une précision extrême. Cela permet aux modèles d'intelligence artificielle d'utiliser ces puissants outils de forme comme une partie régulière de leur entraînement, plutôt que de les traiter comme une étape lente et distincte qui doit être effectuée après coup.

Le cœur de cette réussite réside dans la manière dont le chercheur a organisé le travail. Par le passé, si un scientifique voulait nettoyer une image bruitée ou mesurer la distance entre des caractéristiques, il utilisait une bibliothèque de code conçue pour le processeur principal. Cette bibliothèque était excellente pour les images uniques, mais peinait lorsqu'on lui demandait de gérer des dizaines ou des centaines d'images à la fois, ce qui est la manière dont fonctionnent les systèmes d'IA modernes. La nouvelle bibliothèque, TorchMorph, change les règles en permettant au processeur graphique de gérer l'intégralité du lot d'images en un seul effort coordonné. Elle prend en charge des données allant jusqu'à huit dimensions spatiales différentes, ce qui signifie qu'elle peut traiter des volumes 3D complexes, des vidéos en accéléré et des scanners médicaux multicanaux, tout cela en même temps. Le chercheur s'est assuré que le nouveau système parle le même langage que l'ancien, utilisant les mêmes noms et paramètres, afin que les programmes informatiques existants puissent passer à la version plus rapide par un simple changement d'une ligne de code.

Pour rendre cette vitesse possible, le chercheur a dû repenser la façon dont les calculs sont effectués à l'intérieur du processeur graphique. Une approche directe consisterait à faire vérifier par le processeur chaque point d'une image par rapport à ses voisins, une méthode lente et répétitive. Au lieu de cela, le nouveau système utilise une stratégie astucieuse où il pré-calcule la disposition de l'« outil de sculpture » sur le processeur principal avant d'envoyer les instructions à la puce graphique. Une fois le travail commencé, le processeur graphique se concentre uniquement sur l'intérieur de l'image, là où les calculs sont directs et rapides, réservant les vérifications de bordure complexes uniquement pour les contours. Cette division du travail permet au processeur graphique de fonctionner à pleine capacité, traitant des millions de pixels dans le temps qu'il fallait auparavant pour traiter quelques milliers.

Les gains de performance sont substantiels et mesurables. Lorsque le chercheur a testé le nouveau système par rapport à la méthode standard sur une carte graphique puissante, il a constaté que pour certaines tâches, comme le lissage d'images en niveaux de gris, le nouveau système était jusqu'à mille cent fois plus rapide lors du traitement d'un lot d'images. Pour mesurer les distances exactes au sein des formes, l'accélération était encore plus spectaculaire, atteignant trois cent cinquante fois la vitesse de la méthode standard. Même pour les calculs les plus complexes impliquant la comparaison de deux distributions de données différentes, le nouveau système était jusqu'à quarante-deux fois plus rapide. Ces chiffres représentent un passage de l'attente de plusieurs minutes pour un résultat à l'obtention de celui-ci en une fraction de seconde, un changement qui transforme ces outils d'un goulot d'étranglement en une partie fluide du processus d'apprentissage.

La précision était tout aussi importante que la vitesse. Le chercheur ne voulait pas échanger la précision contre la performance. Il a effectué des milliers de tests comparant la sortie du nouveau système à la norme de confiance, vérifiant chaque pixel et chaque valeur. Les résultats ont montré que le nouveau système correspond presque parfaitement à la norme. Pour les images binaires, qui ne sont composées que de noir et de blanc, les résultats étaient identiques. Pour les images avec des nuances de gris, la différence était si infime qu'elle était inférieure à deux millionièmes d'unité, une marge d'erreur si minuscule qu'elle est effectivement invisible à l'œil humain et non pertinente pour les applications pratiques. Ces tests rigoureux confirment que le nouveau système n'est pas seulement rapide, mais aussi fiable, ce qui le rend sûr pour des applications critiques comme le diagnostic médical ou la conduite autonome.

La bibliothèque couvre un large éventail d'opérations, allant des tâches de base comme l'érosion et la dilatation des formes à des fonctions plus avancées comme la recherche de la distance exacte entre n'importe quel point et le bord le plus proche. Elle inclut également un outil spécialisé pour comparer les formes en fonction de la quantité de « travail » qu'il faudrait pour transformer l'une en l'autre, une technique de plus en plus utilisée pour apprendre à l'intelligence artificielle à reconnaître des motifs. Tous ces outils sont désormais disponibles sous la forme d'un package unique en code ouvert (open-source) que n'importe qui peut utiliser. En supprimant la barrière entre ces outils classiques de traitement d'images et le matériel moderne qui alimente l'intelligence artificielle, le chercheur a ouvert la porte à des systèmes d'apprentissage plus sophistiqués et plus efficaces. Ce travail démontre que parfois, les avancées les plus significatives ne proviennent pas de la découverte de nouvelles lois de la physique, mais simplement du fait de trouver une meilleure façon d'appliquer les anciennes lois aux outils dont nous disposons aujourd'hui.