På senare år har det pratats mycket om 4K-upplösningar, strålspårning och DLSS, men en av de största, ofta förbisedda begränsningarna förblev grafikminne. alltmer tunga texturer och mer krävande spelÄven många grafikkort i mellanklassen i Europa fick snabbt slut på VRAM, vilket tvingade användare att sänka kvalitetsinställningarna eller leva med hackighet och prestandaförluster.
I det sammanhanget verkar det NVIDIA Neural Texture Compression (NTC), en texturkomprimeringsteknik baserad på neurala nätverk som presenterades i detalj under GTC och GDC 2026. Dess förslag är enkelt: att mycket aggressivt minska minnesförbrukningen för texturer, men utan att försämra bilden som uppfattas på skärmen, och till och med förbättra den i vissa scenarier jämfört med klassiska metoder.
Hur neural texturkomprimering fungerar och vad som gör det annorlunda
Grunden för NTC är användningen av små neurala nätverk specifikt tränade för texturerIstället för att enbart förlita sig på BCn-blockkomprimeringsformaten (BC5, BC6, BC7, etc.) som branschen har använt i åratal. Traditionellt sett lagras dessa texturer redan komprimerade i VRAM och GPU:n tolkar dem direkt, men de upptar fortfarande en betydande mängd minne.
Med neural texturkomprimering, Texturinformationen lagras i en mycket mer kompakt representationDetta är en typ av latent kodning som det neurala nätverket avkodar i realtid när varje bildruta renderas. Istället för att hantera gigabyte av diffusionskartor, normaler, grovhet och så vidare, arbetar GPU:n med en mycket mindre datamängd.
Enligt NVIDIAs förklaringar har dessa neurala modeller tränad att förstå hur en texel ska se ut ("pixeln" i en textur) för ett givet material: sten, trä, metallstrukturkeramik, textilier etc. Från denna inlärning kan nätverket rekonstruera det slutliga utseendet från den komprimerade datan och emulera det visuella resultat vi skulle ha med mycket mer voluminösa texturer.
Det praktiska resultatet är att texturer upphör att vara en fast "börda" i minnet och blir beroende av en mindre komprimerad kod och AI-inferensfunktionerDetta överensstämmer med NVIDIAs övergripande trend att flytta minnes- och bandbreddsbelastning mot intelligent databehandling i sina GPU:er.
Demon "Tuscan Wheels / Tuscan Villa": från 6,5 GB till mindre än 1 GB VRAM
För att illustrera teknikens potential har NVIDIA visat flera tekniska demonstrationer, inklusive den numera välkända scenen "Toskanska hjul" eller "Toskansk villa", en medelhavsvilla med detaljerade interiörer som fungerar som en testplats på hög nivå för detaljer.
I den traditionella konfigurationen, med format Standard-BCn-scenen kräver cirka 6,5 GB VRAM Detta gäller endast texturer. Genom att aktivera neural texturkomprimering körs samma miljö med ungefär 970 MB grafikminneDet vill säga en minskning med cirka 85 % jämfört med den ursprungliga användningen. Liknande siffror har setts i andra demonstrationer, med minskningar på cirka 80 % (ner till cirka 670 MB i vissa scenvariationer).
Det som är relevant är inte bara omfattningen av minskningen av VRAM, utan att Den visuella jämförelsen mellan de två versionerna är praktiskt taget oskiljbar. för den genomsnittliga användaren. Enligt NVIDIA, om samma minnes"budget" bibehålls, kan NTC till och med bevara mer fina detaljer än nedskalade eller omskalade BCn-texturer.
Ett konkret exempel kan ses inuti villan, med ett bord täckt med porslin, flaskor och dekorativa föremål. I den jämförelsen, Den del som bearbetas med NTC, med samma mängd minne, visar större skärpa och mikrodetaljer. att den renderade sektionen med reducerade BCn-texturer passar in i samma VRAM-budget.
Den här typen av resultat tyder på dubbel användning av teknologi: studier kan välja minska minnesförbrukningen drastiskt utan att förlora kvalitet eller bibehålla förbrukningen och höja den visuella återgivningen ett snäpp, något som är särskilt attraktivt för projekt som strävar efter ett nästan fotorealistiskt utseende.
Praktiska fördelar för spel och grafikmotorer
Ur ett utvecklingsperspektiv är den viktigaste konsekvensen av allt detta att Texturer är inte längre så begränsande när man utformar komplexa scener.Mindre VRAM som upptas av ytkartor innebär mer utrymme för andra system eller för att öka mängden innehåll som visas samtidigt.
För PC-spel riktade mot den europeiska marknaden, där en betydande del av användarbasen fortfarande... mellanklass-GPU:er eller de med 8 GB minneSådan aggressiv komprimering öppnar dörren för att möjliggöra högupplösta texturer på system som för närvarande tvingas sänka kvaliteten för att undvika att överskrida VRAM-gränsen.
Bland de fördelar som NVIDIA har lyft fram är:
- Drastisk minskning av VRAM-användningen, upp till sju gånger i specifika scenarier.
- Förmåga att hantera texturer med högre upplösning utan att utlösa minneskrav.
- Flaskhalsavlastning relaterat till minnesbandbredd och strömning av resurser.
- potential mindre installations- och patchstorlek, genom att paketera mer kompakta texturer på disk.
- Bättre användning av bärbara enheter och framtida konsolerdär minnet är en mer begränsad resurs.
Allt detta passar in i en marknad där spel, även i Europa, lätt överstiger 100 GB nedladdningsstorlek och där tillgänglig bandbredd inte alltid är tillräcklig, särskilt i landsbygdsområden eller med mer blygsamma anslutningar. Minska texturstorleken utan att offra kvaliteten Det kan göra skillnad i nedladdningstider och uppdateringar.
Genom att förlita sig mer på intelligent databehandling minskar dessutom en del av trycket på det fysiska minnet och moderna GPU:ers beräkningskapacitet används mer effektivt, något som NVIDIA har marknadsfört ett tag med andra AI-lösningar.
Neurala material: färre kanaler, högre hastighet
Vid sidan av NTC har NVIDIA också presenterat konceptet med Neurala material, en naturlig förlängning av idén om neural kompression tillämpad inte bara på texturer, utan också på den fysiska modellen av de material som används vid rendering.
I ett traditionellt arbetsflöde kombineras följande för att beskriva hur en yta beter sig som svar på ljus flera kanaler och kartorBasfärg, normalvärden, grovhet, metallicitet, ocklusion och andra specifika data kopplade till BRDF-ekvationen som används av grafikmotorn. Detta innebär mycket data, många minnesåtkomster och en hel del matematiska operationer per pixel.
Med neurala material, Denna uppsättning kanaler reduceras till en mer kompakt latent representation ett litet neuralt nätverk ansvarar för avkodning i realtid och rekonstruerar materialets visuella egenskaper under rendering.
I testerna som delas av NVIDIA, en konfiguration av 19 kanaler med material reducerades till endast 8 kanaler, vilket i testscener med 1080p-upplösning översattes till accelerationer på mellan 1,4 och 7,7 gånger under renderingstiden, beroende på det specifika fallet.
Denna metod sparar inte bara minne, utan Det förenklar antalet dataåtkomster och operationer per pixel.Detta är särskilt viktigt i konfigurationer för strålspårning och vägspårning, där kostnaden för varje ljusstuds multipliceras.
NTC inom NVIDIAs nya AI-drivna grafikpipeline
Neural texturkomprimering kommer inte ensamt. Det är en del av en bredare strategi där NVIDIA omdesignar viktiga delar av grafikpipeline genom att utnyttja neurala nätverk.Tekniker som DLSS, bildgenerering eller den kommande DLSS 5 bygger på samma underliggande idé: att flytta en del av det traditionellt "svåra" arbetet med rendering till optimerade AI-modeller.
I flera tekniska GTC-samtal har det förklarats att, utöver enkel efterbehandling av bilder, Komprimering och neural rendering av texturer och material är viktiga komponenter för att ekosystemet ska fungera väl. Att minska minne, minimera flaskhalsar och frigöra resurser ger andra steg, såsom DLSS-bildrekonstruktion, mer utrymme.
En punkt som NVIDIA betonar är att, när det gäller NTC och neurala material, Generativ AI används inte för att "uppfinna" konstnärligt innehållIstället är de inferensmodeller utformade för att troget återge utseendet på texturer och material som tidigare definierats av konstteamet. Detta syftar till att bemöta en del av den kritik som har uppstått i communityn angående AI:s potentiella inverkan på spelens ursprungliga visuella avsikt.
I praktiken är det uttalade målet att neurala verktyg ska fungera som tekniska acceleratoreroch inte som ersättningar för konstnärers och studiors kreativa arbete, något som säkerligen kommer att fortsätta generera debatt i takt med att dessa lösningar når kommersiella titlar.
Enligt NVIDIA, Nätverken som stöder NTC har redan tränats för en mängd olika material som vanligtvis finns i videospel.Detta skulle teoretiskt sett underlätta dess integration i kommersiella motorer när tekniken väl är öppen för utvecklare.
Potentiell påverkan på den europeiska marknaden och framtida utbyggnad
Hittills har NVIDIA inte satt ett specifikt datum för när Neural Texture Compression ska implementeras i stor utsträckning i kommersiella spel, men Tekniska demonstrationer pekar på ett scenario där användningen av VRAM skulle kunna bli mindre restriktiv.särskilt på PC.
I Europa, där hårdvarulandskapet är mycket heterogent, kan den här typen av lösning ha en tydlig inverkan. Många användare spelar från Bärbara eller stationära speldatorer med grafikkort och 6 eller 8 GB VRAMDenna mängd börjar redan bli otillräcklig i vissa AAA-utgåvor med "ultra"-texturer. Om NTC lever upp till sitt löfte skulle de kunna tillåta att dessa höga inställningar bibehålls utan att spelet upplever växlingar eller plötsliga prestandaförluster.
Ur studiernas perspektiv finns det också praktiska incitament: Mindre texturdata innebär lättare byggenKortare nedladdningar av provversioner och rimligare uppdateringstider. För europeiska spelare, där inte alla har tillgång till höghastighetsfiberoptiska anslutningar, kan detta leda till en något mindre frustrerande upplevelse vid installation eller uppdatering av stora spel.
Det kommer dock också att finnas faktorer att övervaka. Det faktiska införandet av neural texturkomprimering kommer att bero på enkel integration i motorer som Unreal Engine, Unity eller andra interna motorer, beroende på vilket stöd som erbjuds av de olika generationerna av GPU:er och balansen mellan kvalitet, prestanda och implementeringskostnad för varje studio.
I vilket fall som helst, vad som verkar tydligt är att Grafikminne har blivit ett prioriterat mål för optimeringoch att förslag som NTC passar in i en bredare trend mot "neural rendering", där intelligent databehandling ersätter några av de traditionella lösningarna som enbart bygger på brute force.
Om man tittar på helheten pekar Neural Texture Compression, Neural Materials och de andra teknikerna som tillkännagivits kring DLSS på en generation av grafikmotorer där AI skapar inte bara pixlar, utan bestämmer också hur de ska lagras, komprimeras och rekonstrueras.Om löftena om VRAM-besparingar, förbättrad detaljrikedom och minskade renderingstider förverkligas i kommersiella spel, kan vi se en av de mest betydande förändringarna de senaste åren i hur realtidsgrafik produceras och exekveras.
