NVIDIA уже некоторое время работает над технологией Neural Texture Compression (NTC), которая использует машинное обучение для хранения и восстановления текстур.
Вместо хранения текстур в виде полноразмерных изображений система делит их на небольшие фрагменты, а затем восстанавливает нужные участки сцены во время работы с помощью компактной нейронной сети, выполняемой на графическом процессоре.
По данным NVIDIA, новая технология способна сократить потребление видеопамяти до семи раз. На конференции GTC 2026 компания продемонстрировала, что NTC может уменьшить объем памяти, необходимый для сцены, с 6,5 ГБ до 970 МБ, сохранив при этом практически идентичное качество текстур.
В отличие от традиционных методов сжатия, таких как BCn, включая BC5, BC6 и BC7, которые работают с блоками 4×4 пикселя, NTC использует компактные нейросети. Они способны генерировать текстуры с нужным уровнем детализации и внешним видом, занимая при этом значительно меньше места.
Благодаря этому игры смогут использовать более качественные материалы без заметного влияния на производительность. Разработчики смогут либо существенно снизить расход видеопамяти, либо использовать освободившийся объем для улучшения графики.
Во время демонстрации сцены с интерьером и посудой NVIDIA показала, что NTC способна выглядеть лучше, чем уменьшенные текстуры BCn, даже при одинаковом объеме памяти в 970 МБ.
Технология работает за счет обучения нейросети тому, как должен выглядеть тексель – базовый элемент текстурной карты – для конкретного материала. NVIDIA утверждает, что уже обучила такие модели практически для всех типов игровых материалов, чтобы подготовить технологию к использованию в реальных проектах.
По словам компании, это позволяет либо создавать более реалистичную версию исходной текстуры, либо сохранять прежнее качество изображения при значительно меньшем расходе видеопамяти.
Хотя Neural Texture Compression пока не используется ни в одной игре, в будущем эта технология может заметно изменить подход к работе с текстурами и особенно помочь видеокартам с небольшим объемом памяти.
