Nvidia presenta Neural Texture Compression para optimizar el uso de VRAM en gráficos 3D

Nvidia ha revelado Neural Texture Compression (NTC), una técnica que promete reducir drásticamente el uso de memoria VRAM en gráficos 3D.

Nvidia ha presentado una innovadora técnica llamada Neural Texture Compression (NTC), diseñada para reducir significativamente el uso de memoria VRAM en gráficos 3D. Esta nueva metodología está actualmente en fase beta y ha mostrado resultados prometedores en las pruebas realizadas por la página de YouTube Compusemble, subrayando su potencial para enfrentar los crecientes desafíos de memoria que enfrentan las tarjetas gráficas modernas.

En el marco de un demo oficial, se analizaron tres modos de renderizado. El primer modo, llamado Reference Material, exhibe texturas en su formato original sin compresión, lo que conlleva a un alto consumo de memoria. El segundo, NTC Transcoded to BCn, utiliza técnicas de compresión tradicionales que, aunque reducen el espacio en disco, no logran una significativa reducción en el uso de VRAM. Por último, el modo más avanzado, Inference on Sample, permite la decompresión dinámica de texturas únicamente durante el renderizado, lo que resulta en ahorros de memoria sobresalientes.

Los resultados de las pruebas evidencian una reducción drástica en el uso de memoria. En una resolución de 1440p con DLSS, la versión transcodificada de NTC disminuyó la carga de memoria de 272MB a 98MB, mientras que el modo Inference on Sample logró llevarla hasta tan solo 11,37MB. Esto representa una impresionante reducción del 95,8% en comparación con material no comprimido. Aunque estas pruebas se realizaron en la GeForce RTX 4090, se espera que futuras generaciones de tarjetas gráficas logren optimizaciones aún más significativas cuando la tecnología NTC sea adoptada como estándar.

Adicionalmente, Nvidia está colaborando con Microsoft en la optimización del renderizado a través de técnicas de inteligencia artificial. Recientemente, Microsoft destacó la importancia de los vectores cooperativos en los procesos de renderizado moderno, especialmente en la aceleración de cargas de trabajo de IA en tiempo real. Estas optimizaciones no solo contribuirán al entrenamiento de modelos de inteligencia artificial, sino que también mejorarán la eficiencia en los gráficos de videojuegos, lo que promete una experiencia de usuario aún más enriquecedora.