Текстуры весом в 6,5 ГБ теперь помещаются в 970 МБ. NVIDIA снова пытается убедить всех в чудо-технологии

Текстуры весом в 6,5 ГБ теперь помещаются в 970 МБ. NVIDIA снова пытается убедить всех в чудо-технологии

NTC обещает резко сократить расход видеопамяти, уменьшить размер игр и убрать часть артефактов обычного сжатия.

image

NVIDIA снова взялась объяснять, зачем игровой индустрии нужна Neural Texture Compression, хотя технологию показали еще почти три года назад. На сессии GTC 2026 «Introduction to Neural Rendering» компания напомнила о главном обещании NTC: резко сократить расход видеопамяти, уменьшить размер игровых файлов и при этом сохранить, а местами даже повысить качество текстур.

Старший инженер DevTech Алексей Бекин описал Neural Texture Compression как машинный способ хранить текстуры гораздо компактнее. Вместо того чтобы держать в памяти каждый тексель в готовом виде, система сжимает исходный материал в небольшой набор «латентных» признаков, где сохраняется ключевая визуальная информация. Во время работы игры маленькая нейросеть на графическом процессоре восстанавливает нужные значения по запросу. Такой подход не создает новые изображения и не фантазирует поверх оригинала: NTC каждый раз воспроизводит одну и ту же текстуру предсказуемо и без случайности.

Схема состоит из двух частей. Первая часть хранит уменьшенное представление исходного материала, где каждый тексель содержит не финальный цвет, а набор признаков, связанных со свойствами поверхности. Вторая часть восстанавливает картинку на лету. Чтобы не потерять мелкие детали, NVIDIA добавляет к координатам UV позиционное кодирование. Такой прием помогает нейросети точнее вернуть резкие границы, мелкий узор и повторяющиеся элементы, которые обычное сильное сжатие часто размывает.

Обучение проходит по знакомой для машинного обучения схеме. Нейросеть получает закодированные координаты и латентный код, строит восстановленную текстуру, сравнивает результат с оригиналом и шаг за шагом подстраивает веса сети вместе с самим кодом, пока различия не станут минимальными. В итоге разработчик получает компактное представление материала, а графический процессор берет на себя восстановление в нужный момент.

По словам NVIDIA, у Neural Texture Compression есть три главных преимущества перед привычными форматами вроде BCN. Во-первых, технология заметно повышает степень сжатия и позволяет уместить больше текстур в тот же объем видеопамяти. Во-вторых, NTC лучше работает со сложными материалами, где в одном наборе упакованы нормали, шероховатость, базовый цвет, ambient occlusion и другие каналы. В-третьих, более компактные данные уменьшают размер игровых установок, патчей и загрузок.

В качестве наглядного примера Бекин показал сцену Tuscan Villa. В демонстрации NTC сократила использование видеопамяти на 85 процентов: текстуры занимали около 970 МБ вместо 6,5 ГБ при обычном сжатии BCN. Для игр с тяжелыми по памяти сценами такой выигрыш может оказаться особенно полезным. При другом сценарии разработчики смогут не экономить память, а поднять качество текстур в рамках прежнего бюджета и заодно избавиться от типичных артефактов классического сжатия.

Пока у технологии есть одна заметная проблема: игровая индустрия не спешит с внедрением. NVIDIA впервые показала Neural Texture Compression несколько лет назад, SDK доступен с начала 2026 года, но ни одна студия до сих пор не применила подход в выпущенной игре. Возможно, именно поэтому компания снова продвигает тему на GTC и пытается убедить разработчиков, что нейросетевое сжатие уже готово к практическому использованию.

Отдельный интерес вызывает консольный рынок. По данным инсайдера Kepler_L2, Sony может задействовать Neural Texture Compression в PlayStation 6, чтобы уменьшить размер игр и при этом сдержать расходы, оставив накопитель на 1 ТБ. Любопытно, что технология, хотя и разработана NVIDIA, поддерживается также на оборудовании AMD и Intel. SDK Neural Texture Compression сейчас находится в стадии бета-тестирования и опубликован на GitHub.

FREE
100%
Кибербезопасность · Обучение
УЧИСЬ!
ИЛИ
ВЗЛОМАЮТ
Лучшие ИБ-мероприятия
и вебинары — в одном месте
ПОДПИШИСЬ
T.ME/SECWEBINARS