Компания Intel раскрыла новые подробности о технологии нейросетевого сжатия текстур TSNC (Texture Set Neural Compression). Изначально представленный как исследовательский демо-проект, теперь этот алгоритм переработан в самостоятельный набор инструментов для разработчиков (SDK). Ожидается, что новая технология позволит уменьшить размер текстурных пакетов до 18 раз, существенно снижая требования к объёму пользовательского хранилища.

Мастерская локальных ИИ: салат картофельный с Qwen3.8

Обзор смартфона Google Pixel 11 Pro: когда надо выпустить хоть что-то

Обзор смартфона Samsung Galaxy Z Flip8: исчезающий вид?

В помощь студенту: обзор российских ИИ-сервисов для учёбы и закрепления знаний

10 флагманских процессоров Intel за 10 лет

Компьютер месяца — сентябрь 2026 года

Лучший процессор под DDR4 в 2026 году: AM4 против LGA 1700

Компьютер месяца, спецвыпуск: выбираем мини-ПК для работы и развлечений в эпоху дефицита чипов памяти

Источник изображений: Intel, videocardz.com

Разработчикам предложат два варианта использования алгоритма: вариант А и вариант B. Первый обеспечивает сжатие более чем в 9 раз при сохранении высокого качества изображения, тогда как второй ужимает файлы в 18 раз, но с более заметными визуальными потерями (например, артефактами в картах нормалей). В основе метода лежит обучение нейросети кодировать и декодировать набор текстур совместно, обходя ограничения стандартного блочного сжатия. При визуальной оценке Intel отметила потерю качества восприятия около 5 % для первого режима и 6–7 % для второго.

Декодер TSNC поддерживает как базовый путь вычислений FMA для любых процессоров и видеокарт, так и быстрый алгоритм линейной алгебры, использующий аппаратное ускорение XMX на совместимых графических чипах Intel. Во время внутренних тестов на встроенной графике B390 (на процессорах Panther Lake) алгоритм показал высокую скорость работы. Использование линейной алгебры сократило время обработки до 0,194 наносекунды на пиксель, обеспечив ускорение примерно в 3,4 раза по сравнению с базовым методом вычислений.

Технологию можно будет применять несколькими способами: при первоначальной установке, во время загрузки уровней, при фоновом стриминге или для попиксельной выборки в реальном времени. Выбор же конкретного сценария зависит от главной цели разработчика — сэкономить объём видеопамяти, снизить нагрузку на шину или уменьшить «вес» игры.

Выпуск альфа-версии SDK запланирован на конец этого года, после чего пройдут бета-тестирование и полноценный публичный релиз. Новый API для распаковки данных может компилироваться на языках C, C++ или HLSL. Интересно, что Intel не одинока в разработке нейросетевого сжатия текстур. Ранее мы сообщали об успехах в компрессии данных компанией Nvidia, которые она продемонстрировала на мероприятии GTC 2026

Nvidia показала на мероприятии GTC 2026 не только, возможно, чрезмерно радикальную технологию масштабирования с использованием искусственного интеллекта DLSS 5, но и в целом обсудила практическое применение решений в области нейронного рендеринга. Эти решения не меняют конвейеры отрисовки и могут применяться в играх.

Мастерская локальных ИИ: салат картофельный с Qwen3.8

Лучший процессор под DDR4 в 2026 году: AM4 против LGA 1700

Обзор смартфона Samsung Galaxy Z Flip8: исчезающий вид?

Компьютер месяца, спецвыпуск: выбираем мини-ПК для работы и развлечений в эпоху дефицита чипов памяти

10 флагманских процессоров Intel за 10 лет

Компьютер месяца — сентябрь 2026 года

В помощь студенту: обзор российских ИИ-сервисов для учёбы и закрепления знаний

Обзор смартфона Google Pixel 11 Pro: когда надо выпустить хоть что-то

Источник изображения: Nvidia

DLSS 5 является лишь одной из группы технологий нейронного рендеринга — в её случае машинное обучение применяется только к конечному результату отрисовки. Nvidia также рассказала об интеграции малых нейросетей в сам конвейер рендеринга для декодирования текстур, оценки материалов и как результат сокращения объёмов потребления видеопамяти. По сути, это небольшие нейронные движки, предназначенные для выполнения конкретных задач, а не один финальный фильтр.

При отрисовке демонстрационной сцены Tuscan Wheels нейронное сжатие текстур (NTC) позволило сократить объём потребляемой видеопамяти с 6,5 Гбайт при традиционном сжатии текстур (BCN) до 970 Мбайт. Качество изображения не пострадало: NTC позволило сохранить даже больше деталей, чем привычный алгоритм блочного сжатия. На практике это означает уменьшение размеров установочных файлов, патчей — и увеличение ресурсов видеопамяти на том же графическом процессоре.

Nvidia NTC

Смотреть все изображения (4)

Nvidia NTC

Nvidia NTC

Nvidia NTC

Смотреть все
изображения (4)

Ещё одно интересное направление получило название Neural Materials. Вместо того, чтобы хранить большой объём данных о текстурах и выполнять более сложные вычисления функции отражения (BRDF), инженеры Nvidia предложили сжимать данные о материалах и декодировать их с помощью небольшой нейросети. В ходе демонстрации конфигурацию материалов с 19 каналами удалось сократить до 8, а процесс отрисовки сцены в разрешении 1080p ускорился на величину от 1,4 до 7,7 раза. И это не радикальные изменения в рендеринге, которым напугала общественность технология DLSS 5, а просто более эффективный способ хранения и обработки тех же данных о материалах.