Доклад NVIDIA на GDC демонстрирует, что нейронный рендеринг — это не только DLSS 5, он также может уменьшить использование видеопамяти на 85%. Вскоре после того, как Дженсен Хуанг представил DLSS 5 на GTC 2026, NVIDIA провела ещё один технический доклад на GTC, посвящённый практическому применению нейронного рендеринга.
Доклад был более техническим и показал, как эта технология не только меняет конвейер рендеринга, но и может применяться в играх. DLSS 5 — это лишь одна часть нейронного рендеринга, которая применяется к уже готовому изображению.
Вместо этого сессия на GDC сосредоточилась на использовании небольших нейронных сетей непосредственно внутри конвейера рендеринга для декодирования текстур, оценки материалов и снижения нагрузки на память.
Самый наглядный пример — Neural Texture Compression (NTC). NVIDIA показала сцену Tuscan Wheels, в которой потребление VRAM упало с 6,5 ГБ при использовании обычных BCN-текстур до 970 МБ при использовании NTC, при этом качество изображения осталось близким к оригиналу.
Компания также заявила, что при том же объёме памяти в 970 МБ NTC сохраняет больше деталей, чем обычное блочное сжатие. Такая оптимизация означает меньший размер игр, меньшие патчи, меньший расход трафика на скачивание и больше места для детализированных ассетов на том же GPU.
Ещё один интересный аспект — Neural Materials. Вместо хранения большого количества отдельных текстур и сложных расчётов BRDF, NVIDIA сжимает поведение материала в компактное латентное представление и декодирует его небольшой нейронной сетью. В демонстрации набор материалов с 19 каналами был сокращён до восьми, а время рендеринга в разрешении 1080p выросло в 1,4-7,7 раза.
В отличие от DLSS 5, который вызывает опасения по поводу «AI-слизи» и потери художественного стиля, эти технологии в первую очередь направлены на оптимизацию, снижение потребления памяти и улучшение производительности.
Делегируйте часть рутинных задач вместе с BotHub! Для доступа к сервису не требуется VPN и можно использовать российскую карту. По ссылке вы можете получить 300 000 бесплатных токенов для первых задач и приступить к работе с нейросетями прямо сейчас!
Автор: mefdayy
