Інженери Intel та Nvidia пропонують революційний підхід до оптимізації комп’ютерних ігор — замість постійного збільшення обсягів відеопам’яті та гігантських патчів, вони впроваджують передове нейронне стиснення текстур. Це дозволяє значно зменшити об’єм даних без суттєвої втрати візуальної якості.
Новий стандарт стиснення: від традицій до нейромережТехнологія Texture Set Neural Compression (TSNC) від Intel використовує нейромережі для комплексного стиснення цілих наборів текстур, зокрема альбедо, нормалей та карт шорсткості. На відміну від класичних методів, таких як BC7, які оперують окремими файлами та вже досягли своїх технологічних меж, TSNC обробляє всі текстури сукупно, що відкриває нові можливості для оптимізації.
Розробникам пропонують дві моделі нейромережевого стиснення. Перша модель орієнтована на збереження максимальної візуальної відповідності та забезпечує стиснення у 9 разів. Друга дозволяє зменшити розмір текстур майже у 18 разів, жертвуючи мінімальною деталізацією, що залишається майже непомітною під час динамічної гри. Це також є відповіддю на розробки Nvidia у сфері Neural Texture Compression.
"Традиційні методи стиснення, такі як BC7, які ми використовуємо десятиліттями, вже давно вперлися у свою технологічну стелю. Вони працюють з кожною текстурою окремо, що в епоху 4K-геймінгу виглядає як спроба запхати слона у валізу". Коли очікувати впровадження технологіїПоява TSNC у масових ігрових релізах ще попереду. Intel планує представити альфа-версію SDK для розробників наприкінці поточного року, після чого розпочнеться етап бета-тестування та подальший публічний реліз. Таким чином, перші ігри з підтримкою нейромережевого стиснення текстур варто очікувати не раніше наступного року. Це свідчить про активний розвиток індустрії у напрямку оптимізації об’ємних даних.
Крім того, британські науковці також роблять внесок у зменшення ресурсомісткості обчислень. Вони створили чип, що у 2000 разів ефективніший за програмне забезпечення, і це може радикально змінити енергоефективність систем зі штучним інтелектом у майбутньому.
Відеоогляд технології TSNC
