فناوری RTX Neural Texture Compression (NTC) که به تازگی توسط انویدیا معرفی شده، در آزمایش‌های اولیه عملکردی شگفت‌انگیز از خود نشان داده است. این فناوری با استفاده از هستههای Tensor توانسته است حجم حافظه گرافیکی مورد نیاز را تا 96 درصد کاهش دهد.
فناوری فشرده‌سازی عصبی بافت یا NTC
فناوری RTX Neural Texture Compression سال‌ها در حال توسعه بوده است و برای فشرده‌سازی بافت‌های گرافیکی، از هستههای Tensor در GPUهای انویدیا به جای روش‌های سنتی Block Truncation Coding استفاده می‌کند. این فناوری اولین ارتقاء بزرگ در فناوری فشرده‌سازی بافت از دهه 1990 به شمار می‌رود.
این فناوری برای اولین بار توسط Compusemble بر روی کارت گرافیک RTX 4090 در رزولوشن‌های 1440p و 4K مورد آزمایش قرار گرفته و نتایج خیره‌کننده‌ای به جا گذاشته است. بر اساس این آزمایش‌ها، فناوری NTC توانسته است تا 96 درصد از حجم بافت‌های گرافیکی مورد استفاده در بازی‌ها را در مقایسه با روش‌های فشرده‌سازی سنتی کاهش دهد.
فناوری NTC در دو حالت مختلف «NTC transcoded to BCn» و «Inference on Sample» آزمایش شده است. حالت اول بافت‌ها را در زمان بارگذاری به فرمت BCn تبدیل می‌کند، در حالی که حالت دوم فقط پیکسل‌های مورد نیاز برای رندر تصویر را از حالت فشرده خارج می‌کند که منجر به کاهش بیشتر حجم حافظه گرافیکی مورد نیاز می‌شود.
عملکرد RTX Neural Texture Compression
در رزولوشن 1440p با فعال بودن DLSS، حالت NTC transcoded to BCn حجم حافظه بافت‌ها را تا 64 درصد کاهش داده و آن را از 272 مگابایت به 98 مگابایت رسانده است. اما حالت NTC inference on sample حجم VRAM اشغالی را از این هم بیشتر کاهش داده و به تنها 11.37 مگابایت رسانده است. این به معنای کاهش 95.8 درصدی در مصرف حافظه نسبت به فشرده‌سازی معمولی و کاهش 88 درصدی نسبت به حالت transcoded to BCn است.
تأثیر فشرده سازی عصبی روی نرخ فریم
با وجود این کاهش چشمگیر حجم حافظه، آزمایش‌های Compusemble نشان می‌دهند که فعال کردن RTX Neural Texture Compression تا حدودی بر عملکرد سیستم تاثیر منفی می‌گذارد. البته این بنچمارک‌ها بر روی کارت گرافیک نسل قبلی RTX 4090 انجام شده و احتمال می‌رود با معماری جدیدتر کارت‌های سری RTX 5000 این کاهش عملکرد به حداقل برسد.
حالت NTC transcoded to BCn کاهش ناچیزی در میانگین نرخ فریم نشان داده است و حتی در نرخ فریم‌های 1 درصد پایین (1% Low)، عملکرد بهتری نسبت به حالت بدون NTC داشته است. حالت NTC inference on sample بیشترین تاثیر را بر عملکرد گذاشته و میانگین فریم ریت را از حدود 1600 فریم در ثانیه به 1500 فریم در ثانیه کاهش داده است. نرخ فریم‌های 1 درصد پایین نیز به حدود 840 فریم در ثانیه کاهش یافته است.
نکته جالب توجه، تفاوت عملکرد بین DLSS و رزولوشن Native است. طبق بنچمارک‌های انجام شده، نرخ فریم در حالت روشن بودن DLSS از حالت خاموش بودن آن کمتر است! این افزایش قابل توجه فریم ریت در رزولوشن Native نشان می‌دهد که هستههای Tensor برای پردازش RTX NTC به شدت تحت فشار هستند و همین موضوع تا حدی عملکرد DLSS را محدود می‌کنند.
در همین رابطه بخوانید:
- فشرده‌سازی بافت‌ها با استفاده از شبکه‌های عصبی؛ راهکار AMD برای کاهش حجم بازی‌ها
- انویدیا پای هوش مصنوعی را به فایل بازی ها باز کرد؛ رندر بافت ها تا چهار برابر سریع تر می‌شود
این فناوری در حال حاضر در مرحله بتا است و هنوز تاریخ انتشار مشخصی برای آن اعلام نشده است. نکته جالب دیگر، حداقل سیستم مورد نیاز برای NTC است به طور شگفت‌آوری پایین است. بر اساس اطلاعات صفحه GitHub انویدیا، برای RTX NTC حداقل GPU مورد نیاز کارت‌های سری RTX 20 است. با این حال، این فناوری بر روی کارت‌های GTX 10، AMD Radeon RX 6000 و Arc A-series نیز تایید شده است، که نشان می‌دهد ممکن است این فناوری به زودی به طور گسترده در GPUهای غیر RTX و حتی کنسول‌های بازی نیز راه پیدا کند.
نظر خود را اضافه کنید.
برای ارسال نظر وارد شوید
ارسال نظر بدون عضویت در سایت