Nvidia представи AI-базирана технология за компресиране на текстурите, която намалява количеството използвана VRAM с до 95%
Nvidia продължава да създава нова технология за компресиране на текстурите, основана на невронни мрежи Neural Texture Compression (NTC), която може доста да понижи потреблението на видео-памет (VRAM) в игрите и други графични приложения. Въпреки че технологията към момента е в бета-тестване, опитите са посочили впечатляващи резултати, съгласно TechSpot.
YouTube каналът Compusemble тества бета-версията на технологията. Демонстрацията на NTC включва три режима на рендеринг: Reference Material (без компресия), NTC Transcoded to BCn (компресия при зареждане) и Inference on Sample (декомпресия при необходимост). Тестовете демонстрират, че NTC може доста да понижи потреблението на VRAM и дисково пространство, само че може да повлияе върху скоростта на фрагментите.
Тестовете са осъществени на графична карта Nvidia GeForce RTX 4090 с задействани DLSS и TAA. При 1440 пиксела с DLSS, режимът NTC Transcoded to BCn е понижил потреблението наизуст с 64% (от 272MB на 98MB), до момента в който режимът NTC Inference on Sample е понижил употребяваната памет до 11,37MB, което е 95,8% усъвършенстване по отношение на некомпресираната версия. Използването на DLSS и по-високи разграничителни качества обаче слага в допълнение напрежение върху тензорните ядра на GeForce RTX 4090, което до известна степен оказва въздействие върху продуктивността.
Nvidia интензивно предизвиква технологиите за рендиране, основани на изкуствен интелект (AI), в това число NTC и други RTX решения, защото тази област е значима за подобряването на успеваемостта на VRAM и основаването на по-реалистични графики, което е изключително уместно за актуалните игри с високи равнища на подробност.
Nvidia също по този начин отбелязва значимостта за потреблението на векторни интервенции в актуалните рендер конвейери (Render Pipeline). Както изяснява Microsoft, тези вектори форсират AI дилемите посредством усъвършенстване на векторните интервенции, което освен усъвършенства образованието и настройката на AI моделите, само че и оказва помощ за възстановяване на успеваемостта при рендеринга в игрите.
