انویدیا ادعا می کند که با استفاده از فشرده سازی بافت عصبی می تواند کمبود حافظه VRAM را در محصولات خود کاهش دهد.
گزارش کردن تکناکاین شرکت ادعا می کند که این توسعه جدید می تواند 16 برابر بیشتر از فضای فعلی داده ها را در یک مکان ذخیره کند.
اگرچه هنوز زود است، اما به نظر می رسد سال 2023 سالی است که باید به یاد بیاوریم که 8 گیگابایت حافظه GPU ناگهان ناپدید شد. حتی در سال گذشته، 8 گیگابایت برای اکثر بازی ها کافی بود. اما اکنون شاهدیم که چندین بازی AAA به حداقل 12 گیگابایت یا بیشتر حافظه ویدئویی نیاز دارند. اکنون به نظر می رسد که انویدیا در حال حل این مشکل است. نه با ساختن GPU با حافظه ویدیویی بیشتر، بلکه با تحقیق در مورد استفاده از فشرده سازی برای کاهش مصرف حافظه.
ما مطمئن هستیم که Nvidia همیشه روی این موضوع کار خواهد کرد، زیرا عملکرد GPU همیشه مهم خواهد بود. با این حال، اکنون تیمی از محققان این شرکت به نظر می رسد روشی نوآورانه را کشف کرده و آن را در یک مقاله سفید توصیف کرده اند. این نوید دستاوردهای باورنکردنی در عملکرد فشرده سازی بدون به خطر انداختن کیفیت تصویر را می دهد. متأسفانه، ممکن است چندین سال طول بکشد تا بتوان از این روش در پردازندههای گرافیکی که برای بازی میخریم استفاده کرد.
عنوان تحقیق فشرده سازی عصبی با دسترسی تصادفی بافت های مواد و نویسندگان آن 6 نفر از انویدیا در آمریکا و سوئد هستند. هدف این تحقیق برآوردن نیازهای فزاینده ذخیره سازی و حافظه ایجاد شده توسط تلاش بی پایان برای افزایش واقع گرایی در رندر سه بعدی است. این مقاله یک روش فشردهسازی بافت جدید را معرفی میکند که به وضوح از فشردهسازی فعلی، از جمله AVIF و JPEG XL، با کیفیت تصویر بهتر و توانایی ذخیره دو برابر بیشتر اطلاعات دقیق در فضایی مشابه روشهای قبلی، بهتر است. .
نویسندگان بیان میکنند که ایده اصلی روش ما فشرده کردن چندین بافت مواد و زنجیرههای Mipmap آنها است که با هم فشرده شدهاند، و از یک شبکه عصبی کوچک بهینهسازی شده برای هر ماده برای رفع فشار آنها استفاده میکنیم. نتیجه این روش جدید اجازه می دهد تا 16 برابر بیشتر تکسل ها در همان مقدار فضای ذخیره سازی در مقایسه با فناوری های فعلی ذخیره شوند. به گفته HotHardware، برای رسیدن به این هدف، انویدیا باید یک معماری رمزگشای جدید به همراه یک کمپرسور GPU بهینه شده توسعه دهد.
یکی از پیشرفتهای کلیدی، حذف مواردی است که واقعاً ضروری نیستند، مانند موارد اضافی.
برای این منظور، چهار نقشه بافت (Diffuse، Normal، Roughness و Displacement) را با هم ادغام می کند. این با یک محدودیت همراه است، زیرا فقط روی بافت هایی کار می کند که دقیقاً هم تراز هستند. این مقاله بیان میکند که این فناوری در حال حاضر میتواند بسته به سطح کیفی مورد نظر، یک مجموعه بافت 9 کاناله و 4K را در 1 تا 15 دقیقه بر روی یک پردازنده گرافیکی NVIDIA RTX 4090 فشرده کند.
این تکنیک با وجود محدودیتهایی که دارد، بدون شک ما را به آینده امیدوار میکند، اما نمیتوان پیشبینی کرد که آیا هرگز از آن برای بازیها استفاده میشود یا خیر. محققان امیدوارند از این فناوری برای ایجاد بازنماییهای عصبی فشرده برای استفاده در سایر زمینههای رندر زمان واقعی، به عنوان راهی برای دستیابی به کیفیت سینمایی استفاده شود. آنها همچنین نوشتند که این تکنیک دارای سربار زمانی متوسطی است که به نظر نمی رسد در این مرحله اولیه برای بازی های با فریم در ثانیه بالا مناسب باشد. با این حال به نظر می رسد در چند سال آینده امکان تحولات جدیدی وجود داشته باشد.
ایده جالب انویدیا برای افزایش حجم ذخیره سازی اطلاعات اولین بار در تک نوک – اخبار دنیای فناوری پدیدار شد. ظاهر شد.
گفتگو در مورد این post