Когда NVIDIA представила свою сверхэффективную технологию Neural Texture Compression (NTC), многие справедливо опасались, что она останется эксклюзивной разработкой и будет доступна исключительно на видеокартах NVIDIA. Однако Intel поспешила с ответом, представив собственное решение — Texture Set Neural Compression (TSNC), которое предлагает сопоставимые преимущества, но принципиально отличается отсутствием привязки к конкретному железу или наличию специализированных ИИ-ядер.
.png)
По крайней мере, это справедливо для варианта B, который, по данным Intel, обеспечивает сжатие текстур до 18 раз при потере визуального качества лишь около 7%. Для сравнения, вариант A даёт степень сжатия порядка 9 раз. Вариант B работает медленнее, однако сама возможность его использования на обычных GPU впечатляет — изначально технология разрабатывалась с расчётом на аппаратное ускорение через фирменные движки XMX от Intel.
Визуальные результаты сжатия выглядят убедительно и при детальном сравнении практически неотличимы от исходного материала. Intel позиционирует TSNC как инструмент для разработчиков и выделяет сразу несколько практических преимуществ:
- Ускорение установки за счёт уменьшения размера файлов
- Более быстрая потоковая загрузка текстур при старте игры
- Стриминг текстур в режиме реального времени во время геймплея
- Загрузка текстур без необходимости хранить их в VRAM в несжатом виде
.png)
Преимущества подобных технологий сжатия очевидны с точки зрения экономии полосы пропускания и дискового пространства. Вероятно, в недалёком будущем игры будут поставляться с поддержкой сразу обоих стандартов — Intel TSNC и NVIDIA NTC, — либо нечто подобное найдёт своё место непосредственно в DirectX и Vulkan.
Главный вопрос пока остаётся открытым: как Intel TSNC покажет себя в реальных играх и сценах с трассировкой пути высокой сложности. NVIDIA при презентации куда активнее демонстрировала свою технологию на масштабных и детализированных сценах, тогда как Intel сосредоточилась на отдельных моделях и наборах текстур. Как бы то ни было, будет интересно наблюдать за тем, как эти нейросетевые технологии сжатия будут развиваться и в конечном счёте выйдут на рынок.
Первоисточник: Chris Harper