Nvidia ha estado desarrollando un innovador método para comprimir texturas y ahorrar memoria en las GPU durante varios años. Aunque esta tecnología aún se encuentra en fase beta, una demo recientemente lanzada muestra cómo las soluciones basadas en inteligencia artificial podrían ayudar a abordar las crecientes limitaciones de VRAM en las GPUs modernas. La compresión neural de texturas de Nvidia promete ahorros significativos en la cantidad de VRAM necesaria para renderizar gráficos 3D complejos.
La tecnología, aunque todavía en fase de prueba, fue evaluada por el canal de YouTube Compusemble, que ejecutó la demo oficial en un sistema de juego moderno para proporcionar un primer análisis de su impacto potencial. Este avance podría transformar el desarrollo de videojuegos en un futuro no muy lejano. Según Compusemble, la compresión neural de texturas RTX utiliza una red neuronal especializada para comprimir y descomprimir texturas de materiales de forma dinámica.
La demo de Nvidia incluye tres modos de renderizado: Material de Referencia, NTC Transcodificado a BCn y Inferencia en Muestra. En el modo Material de Referencia, las texturas permanecen en su estado original, lo que resulta en un alto uso de disco y VRAM. El modo NTC Transcodificado a BCn reduce significativamente el espacio en disco, pero ofrece ahorros moderados de VRAM. Finalmente, el modo Inferencia en Muestra descomprime los elementos de textura solo cuando es necesario durante el renderizado, logrando los mayores ahorros tanto en espacio en disco como en VRAM.
Compusemble probó la demo en resoluciones de 1440p y 4K, alternando entre DLSS y TAA. Los resultados indican que, aunque NTC puede reducir drásticamente el uso de VRAM y espacio en disco, también podría afectar las tasas de fotogramas. A 1440p con DLSS, el modo NTC transcodificado a BCn redujo el uso de memoria de textura en un 64% (de 272MB a 98MB), mientras que la inferencia en muestra lo redujo drásticamente a 11.37MB, una reducción del 95.8% en comparación con la compresión no neural.
La demo se ejecutó en una GPU GeForce RTX 4090, donde DLSS y resoluciones más altas añadieron carga adicional a los Tensor Cores, afectando el rendimiento en cierta medida dependiendo de la configuración y resolución. Sin embargo, las GPUs más nuevas podrían ofrecer tasas de fotogramas más altas y hacer que la diferencia sea insignificante cuando se optimiza adecuadamente. Nvidia está fuertemente invertida en técnicas de renderizado impulsadas por IA como NTC y otras aplicaciones RTX.
La demo también destaca la importancia de los vectores cooperativos en las canalizaciones de renderizado modernas. Como explicó recientemente Microsoft, los vectores cooperativos aceleran las cargas de trabajo de IA para el renderizado en tiempo real al optimizar las operaciones vectoriales. Estos cálculos juegan un papel crucial en el entrenamiento y ajuste fino de modelos de IA y también pueden aprovecharse para mejorar la eficiencia del renderizado en juegos.
