Об этом сообщает KURAZH
Инженеры Intel и Nvidia предлагают революционный подход к оптимизации компьютерных игр — вместо постоянного увеличения объемов видеопамяти и гигантских патчей, они внедряют передовое нейронное сжатие текстур. Это позволяет значительно уменьшить объем данных без существенной потери визуального качества.
Новый стандарт сжатия: от традиций к нейронным сетям
Технология Texture Set Neural Compression (TSNC) от Intel использует нейронные сети для комплексного сжатия целых наборов текстур, включая альбедо, нормали и карты шероховатости. В отличие от классических методов, таких как BC7, которые работают с отдельными файлами и уже достигли своих технологических пределов, TSNC обрабатывает все текстуры совместно, что открывает новые возможности для оптимизации.
Разработчикам предлагаются две модели нейронного сжатия. Первая модель ориентирована на сохранение максимального визуального соответствия и обеспечивает сжатие в 9 раз. Вторая позволяет уменьшить размер текстур почти в 18 раз, жертвуя минимальной детализацией, которая остается почти незаметной во время динамичной игры. Это также является ответом на разработки Nvidia в области Neural Texture Compression.
«Традиционные методы сжатия, такие как BC7, которые мы используем десятилетиями, уже давно уперлись в свою технологическую стену. Они работают с каждой текстурой отдельно, что в эпоху 4K-гейминга выглядит как попытка запихнуть слона в чемодан».
Когда ожидать внедрения технологии
Появление TSNC в массовых игровых релизах еще впереди. Intel планирует представить альфа-версию SDK для разработчиков в конце текущего года, после чего начнется этап бета-тестирования и дальнейший публичный релиз. Таким образом, первые игры с поддержкой нейронного сжатия текстур стоит ожидать не раньше следующего года. Это свидетельствует об активном развитии индустрии в направлении оптимизации объемных данных.
Кроме того, британские ученые также вносят вклад в снижение ресурсоемкости вычислений. Они создали чип, который в 2000 раз эффективнее программного обеспечения, и это может радикально изменить энергоэффективность систем с искусственным интеллектом в будущем.
