ایده جالب انویدیا برای افزایش حجم ذخیره سازی داده ها

شرکت انویدیا مدعی است با استفاده از فشرده‌سازی بافت عصبی، می‌تواند کمبود حافظه VRAM را در محصولات خود کاهش دهد.

به گزارش تکناک، این شرکت ادعا می‌کند که این توسعه جدید قادر است ۱۶ برابر بیشتر از حجم داده‌های فعلی را در همان فضا نگهداری کند.

گرچه زود است، اما سال 2023 به نظر می‌رسد به یادگار بماند که حافظه 8 گیگابایتی GPU به صورت ناگهانی از بین رفت. حتی در سال گذشته، 8 گیگابایت برای بیشتر بازی‌ها کافی بود. اما در حال حاضر، ما شاهد این بوده‌ایم که چندین بازی AAA به حداقل ۱۲ گیگابایت یا بیشتر از حافظه ویدئویی نیاز دارند. اکنون به نظر می‌رسد که Nvidia در حال حل این مشکل است؛ نه با ساخت GPU با حافظه ویدئویی بیشتر، بلکه با تحقیق در مورد استفاده از فشرده‌سازی جهت کاهش استفاده از حافظه.

ما مطمئن هستیم که انویدیا همیشه در این زمینه کار خواهد کرد، چون عملکرد GPU همیشه بااهمیت خواهد بود. با این حال، اکنون تیمی از محققان شرکت به نظر می‌رسد یک روش نوآورانه را کشف کرده‌اند و آن را در یک کاغذ سفید شرح داده‌اند. این نوید دستاوردهای باورنکردنی در عملکرد فشرده سازی بدون کاهش کیفیت تصویر را می دهد. متأسفانه، ممکن است چندین سال طول بکشد تا این روش در GPU هایی که برای بازی خریداری می‌کنیم، قابل استفاده باشد.

عنوان تحقیقات Random-Access Neural Compression of Material Textures است و نویسندگان آن 6 نفر از Nvidia در آمریکا و سوئد هستند. هدف این تحقیقات رفع نیازهای روزافزون به فضای ذخیره‌سازی و حافظه است که به علت تلاش بی‌پایان برای افزایش واقع‌گرایی در رندرینگ سه‌بعدی ایجاد شده است. این کاغذ یک روش جدید برای فشرده‌سازی بافت‌ها معرفی می‌کند که به وضوح از فشرده‌سازی فعلی، از جمله AVIF و JPEG XL، با کیفیت تصویر بهتری برخوردار است و امکان دارد تا ۲ برابر اطلاعات را با جزئیات بیشتری به نسبت روش‌های قبلی در همان فضا نگهداری کند.

نویسندگان بیان می‌کنند که اصل ایده‌ روش ما فشرده‌سازی چندین بافت ماده و زنجیره Mipmap آن‌ها است که با هم فشرده شده‌اند، و استفاده از یک شبکه عصبی کوچک که برای هر ماده بهینه شده است، تا آنها را از حالت فشرده خارج کنیم. نتیجه‌ این روش جدید،اجازه می‌دهد تا در همان حجم فضای ذخیره‌سازی نسبت به فناوری‌های فعلی، تا ۱۶ برابر بیشتر از تکسل‌ها ذخیره شوند. به گفته HotHardware، به منظور دستیابی به این امکان، Nvidia مجبور شد یک معماری رمزگشای جدید به همراه یک کمپرسور GPU بهینه شده ایجاد کند.

یکی از پیشرفت‌های کلیدی نیز حذف مواردی است که حقیقتا لازم نیستند، مثل redundancies.

برای این منظور، چهار نقشه بافت (Diffuse، Normal، Roughness و Displacement) را به یکدیگر ادغام می‌کند. این کار با یک محدودیت همراه است، زیرا فقط روی بافت هایی کار می کند که دقیقاً هم تراز هستند. این مقاله بیان می‌کند که این فناوری در حال حاضر می‌تواند بسته به سطح کیفی مورد نظر، مجموعه بافت مواد 9 کاناله و 4K را در 1 تا 15 دقیقه روی یک پردازنده گرافیکی NVIDIA RTX 4090 فشرده سازی کند.

با وجود محدودیت‌هایش، این تکنیک بدون شک امیدی برای آینده به ما می‌دهد، اما نمی‌توان پیش‌بینی کرد که آیا هرگز برای بازی‌ها استفاده خواهد شد یا خیر. محققان امیدوارند این فناوری برای ایجاد نمایش‌های عصبی فشرده شده برای استفاده در دیگر حوزه‌های رندرینگ به صورت لحظه‌ای، به عنوان یک راه برای دستیابی به کیفیت سینمایی استفاده شود. آن‌ها همچنین نوشتند که این تکنیک دارای overheads زمانی متوسط است که به نظر می‌رسد در این مرحله اولیه مناسب بازی با fps بالا نیست. با این حال، به نظر می‌رسد در چند سال آینده، اتفاقات جدیدی امکان پذیر خواهند بود.