اینتل می‌تواند مشکلات VRAM را در بازی‌های رایانه‌ای حل کند – در اینجا چگونه است

اینتل در حال انجام یک حرکت بزرگ در آینده گرافیک است. این شرکت در حال ارائه هفت مقاله تحقیقاتی جدید در Siggraph 2023، یک کنفرانس گرافیکی سالانه است که یکی از آنها تلاش می‌کند به محدودیت‌های VRAM در پردازنده‌های گرافیکی مدرن تصویربرداری عصبی بپردازد.

هدف این مقاله امکان ردیابی مسیر در زمان واقعی با تصویربرداری عصبی است. نه، اینتل رقیب DLSS 3 را معرفی نمی کند، اما قصد دارد از هوش مصنوعی برای رندر صحنه های پیچیده استفاده کند. اینتل می گوید: «مقدار محدود حافظه داخلی [on GPUs] ممکن است رندر عملی صحنه های پیچیده را محدود کند. اینتل در حال معرفی یک نمایش در سطح عصبی از جزئیات شی است و می‌گوید که می‌تواند به نرخ فشرده‌سازی بین ۷۰ تا ۹۵ درصد در مقایسه با «نمایش‌های منبع کلاسیک» دست یابد، در حالی که کیفیت را نسبت به کارهای قبلی بهبود می‌بخشد.

به نظر تفاوتی با فشرده سازی بافت عصبی انویدیا که از طریق سند ارسال شده به Siggraph نیز ارائه شده است، نیست. با این حال، مقاله اینتل برای مدیریت اشیاء سه بعدی پیچیده مانند پوشش گیاهی و مو با مشکل مواجه است. این تکنیک به عنوان یک تکنیک سطح جزئیات (LoD) برای اشیا اعمال می شود و به آنها اجازه می دهد از دورتر واقع بینانه تر به نظر برسند. همانطور که از بازی هایی مانند ردفال اخیراً، محدودیت‌های VRAM می‌تواند باعث شود که حتی اشیاء نزدیک با بافت‌های گل آلود و جزئیات کمی در هنگام عبور از آنها ظاهر شوند.

علاوه بر این تکنیک، اینتل همچنین یک الگوریتم ردیابی مسیر کارآمد را معرفی می کند که می گوید ردیابی مسیر پیچیده را در پردازنده های گرافیکی میان رده و حتی گرافیک های یکپارچه در آینده ممکن می کند.

ردیابی مسیر اساساً راه سختی برای انجام ردیابی پرتو است و قبلاً دیده‌ایم که از آن در بازی‌هایی مانند Cyberpunk 2077 و پورتال RTX. همانطور که ردیابی جاده چشمگیر است، بسیار سخت است. برای اجرای حتی این بازی ها با رزولوشن بالاتر، به یک پردازنده گرافیکی پرچمدار مانند RTX 4080 یا RTX 4090 نیاز دارید، و این با فعال بودن نسل فریم DLSS پیشرفته انویدیا است.

گزارش اینتل راهی برای کارآمدتر کردن این فرآیند معرفی می کند. به گفته اینتل، این کار با معرفی الگوریتم جدیدی انجام می‌شود که «ساده‌تر از پیشرفته‌تر است و عملکرد سریع‌تری دارد». این شرکت مبتنی بر تابع ریاضی GGX است که به گفته اینتل “در هر فیلم و بازی ویدیویی CGI استفاده می شود.” این الگوریتم این توزیع ریاضی را به یک آینه نیمکره کاهش می دهد، که “شبیه سازی بسیار آسان بر روی کامپیوتر” است.

ایده پشت GGX این است که سطوح از ریز وجوه تشکیل شده اند که نور را در جهات مختلف منعکس و منتقل می کنند. محاسبه این گران است، بنابراین الگوریتم اینتل اساساً توزیع GGX را به شیب محاسباتی آسان بر اساس زاویه دوربین کاهش می دهد و رندر بلادرنگ را ممکن می کند.

بر اساس بنچمارک های داخلی اینتل، این امر باعث افزایش بیش از 7.5 درصدی هنگام رندر صحنه ها با ردیابی مسیر می شود. این ممکن است یک دست انداز کوچک به نظر برسد، اما به نظر می رسد اینتل مطمئن است که الگوریتم های کارآمدتر می توانند تفاوت را ایجاد کنند. در یک پست وبلاگی، این شرکت می‌گوید که نشان خواهد داد که چگونه ردیابی مسیر در زمان واقعی می‌تواند «عملی حتی در پردازنده‌های گرافیکی میان‌رده و یکپارچه در آینده» در Siggraph باشد.

در مورد اینکه این آینده چه زمانی می آید، گفتن آن سخت است. توجه داشته باشید که این در حال حاضر یک مقاله تحقیقاتی است، بنابراین ممکن است مدتی طول بکشد تا شاهد استفاده گسترده از این الگوریتم در بازی ها باشیم. مطمئناً مزایای اینتل را انجام خواهد داد. اگرچه کارت‌های گرافیک Arc این شرکت در چند ماه گذشته بسیار عالی شده‌اند، اما اینتل همچنان بر روی پردازنده‌های گرافیکی میان‌رده و گرافیک‌های یکپارچه تمرکز می‌کند که در آن ردیابی مسیر در حال حاضر امکان‌پذیر نیست.

با این حال، ما انتظار نداریم که به این زودی ها شاهد عملی شدن این تکنیک ها باشیم. خبر خوب این است که ما شاهد تکنیک های جدیدی برای افزایش کیفیت بصری و عملکرد در رندر زمان واقعی هستیم، به این معنی که این تکنیک ها در نهایت باید به بازی ها راه پیدا کنند.

توصیه های سردبیران