Intel lanza el SDK de compresión neuronal de conjuntos de texturas: consiga texturas hasta 18 veces más pequeñas.

Durante la GDC 2026, Marissa Dubois, ingeniera gráfica de Intel, subió al escenario para presentar el innovador enfoque de Intel para la compresión de texturas neuronales, que guarda similitud con la tecnología NTC de NVIDIA. Esta presentación marcó un avance significativo con respecto al prototipo de I+D anterior de Intel, demostrado en la GDC 2025, revelando que la tecnología ha evolucionado hasta convertirse en un kit de desarrollo de software (SDK) independiente y completamente comercializado.

Denominado Compresión Neuronal de Conjuntos de Texturas (TSNC), este método representa un enfoque avanzado para almacenar texturas utilizadas en videojuegos. Las técnicas convencionales de compresión de bloques de GPU, que abarcan los formatos BC1 a BC7, suelen aplicar algoritmos fijos. Si bien estos métodos son rápidos y de uso generalizado, a menudo desaprovechan un potencial de compresión considerable. En cambio, TSNC utiliza el poder del aprendizaje automático, empleando una pequeña red neuronal que utiliza el descenso de gradiente estocástico para codificar y decodificar eficientemente conjuntos de texturas específicos. Este avance culmina en una representación compacta del espacio latente, que un perceptrón multicapa compacto puede reconstruir en tiempo de ejecución, lo que permite recuperar los datos de textura originales, incluyendo atributos de difusión, normal, rugosidad, metalicidad, oclusión ambiental y emisión.

La imagen es un diagrama titulado "Compresión neuronal 101" que detalla el proceso de comprimir los datos de entrada a través de un "codificador" en "valores del espacio latente" y descomprimirlos con un "decodificador" para producir "datos de salida", con información sobre cómo descubrir los pesos del modelo para las redes del codificador y del decodificador.

Un aspecto fundamental de TSNC es comprender que un conjunto de texturas, que incluye todos los mapas PBR para un material específico, a menudo contiene datos superpuestos en sus canales. TSNC aprovecha esta redundancia de forma ingeniosa, algo que la compresión de bloques estándar no logra.

Un cuadro comparativo titulado "Comparaciones de la pirámide de características" muestra varios mapas de texturas y variantes de espacio latente para un modelo de calabaza con el logotipo de Intel.

Los dos niveles de las pirámides de características

En el núcleo de la metodología de compresión de TSNC se encuentra la pirámide de características, que comprende cuatro texturas de espacio latente codificadas en BC1 que varían en múltiples configuraciones de resolución. Intel introduce dos variantes distintas, cada una de las cuales ofrece diferentes compromisos entre calidad y eficiencia de compresión:

La variante A incluye dos imágenes latentes de resolución completa y dos a media resolución. Para texturas destinadas a entrada 4K, esto se traduce en dos imágenes latentes de 4K y dos de 2K, lo que resulta en una impresionante compresión de 9x, reduciendo el tamaño del archivo de 256 MB a aproximadamente 26, 8 MB. La pérdida de calidad perceptiva, evaluada con la herramienta de análisis FLIP de NVIDIA, ronda el 5 %, con impactos menores en los mapas normales.
La variante B adopta un enfoque más agresivo, reduciendo las imágenes latentes a la mitad, un cuarto y un octavo de la resolución inicial, logrando así una compresión superior a 17x. Sin embargo, esta variante conlleva una notable degradación de la calidad, donde los artefactos BC1 se hacen visibles en los mapas normales y en los canales de oclusión/rugosidad ambiental. El error perceptual evaluado por FLIP se sitúa entre el 6 % y el 7 %, lo que Intel reconoce que es «suficiente para que lo note el espectador».Por consiguiente, la variante B se emplea mejor para materiales distantes o secundarios donde la preservación de detalles es menos crítica.

Un gráfico titulado "Relación de compresión de la variante A de TSNC" indica que TSNC logra relaciones de compresión más altas (de 9, 53 a 9, 59x) en comparación con BCx (de 4, 79 a 4, 80x) en resoluciones de 1k, 2k y 4k.

Una diapositiva titulada "Relaciones de compresión" compara diferentes formatos de compresión, mostrando que TSNC logra relaciones de compresión más altas, de 17, 85x a 18, 05x, en comparación con 4, 79x a 4, 80x para BCx, con un gráfico que ilustra los datos.

Desde su lanzamiento como prototipo de investigación basado en PyTorch, Intel ha rediseñado por completo el compresor TSNC utilizando sombreadores de cómputo Slang. Esta nueva arquitectura permite a los desarrolladores utilizar el mismo código de descompresión en diversas plataformas, incluyendo Unreal Engine, motores personalizados y descompresión basada en CPU.

En lo que respecta a las GPU, Intel ahora es compatible con la API DirectX 12 Cooperative Vectors de Microsoft, aprovechando los núcleos de matriz XMX integrados en las GPU de las series A y B para facilitar la inferencia de matrices acelerada por hardware. Para los sistemas que no son compatibles con XMX, el marco de trabajo recurre a una técnica FMA (multiplicación y suma fusionadas) estándar compatible con arquitecturas Intel y de otros fabricantes.

Durante su presentación, Dubois describió cuatro estrategias de implementación para la tecnología TSNC, cada una de las cuales ofrece un equilibrio diferente entre la utilización de la memoria y la eficiencia del espacio en disco:

En el momento de la instalación, los archivos comprimidos se entregan y descomprimen localmente como parte de la instalación, conservando las texturas sin comprimir en el almacenamiento del usuario para un ahorro óptimo de ancho de banda durante la distribución.
Durante la carga, las texturas permanecen comprimidas en el disco y se descomprimen en la VRAM durante la fase de carga del juego. Este método minimiza tanto el tamaño de la instalación como el uso de la VRAM durante el proceso de carga.
En tiempo de transmisión : junto con la transmisión de texturas, las texturas se descomprimen bajo demanda, logrando un equilibrio entre la eficiencia del almacenamiento y la memoria, al tiempo que se agrega cierta carga de inferencia en tiempo de ejecución.
En el momento del muestreo, las texturas permanecen comprimidas permanentemente en la VRAM y se decodifican píxel a píxel dentro del sombreador, lo que maximiza el ahorro de VRAM a la vez que conlleva un coste de inferencia constante.

Cada estrategia de despliegue requiere una selección cuidadosa por parte de los desarrolladores en función de sus requisitos específicos y del motor subyacente utilizado.

Una diapositiva de presentación titulada "Estimaciones del tiempo de inferencia en los gráficos integrados de Pantherlake B390" muestra un gráfico de barras que indica "Nanosegundos promedio por píxel (cuanto menor, mejor)", donde el algoritmo LinAlg logra una aceleración de aproximadamente 3, 4 veces por píxel en comparación con FMA.

Las pruebas de rendimiento de Intel realizadas en un portátil Panther Lake que utiliza gráficos integrados B390 durante una carga de trabajo completa de sombreado de cómputo a 1080p arrojaron los siguientes resultados:

Trayectoria FMA: 0, 661 nanosegundos por píxel
Ruta de álgebra lineal XMX: 0, 194 nanosegundos por píxel

Esto demuestra una aceleración sustancial de 3, 4 veces, atribuida a los cálculos matriciales acelerados por hardware. Las métricas de rendimiento favorables observadas en sistemas integrados sugieren que la implementación del tiempo de muestreo por píxel podría ser más factible de lo previsto. Para las GPU discretas, se podrían esperar sobrecargas aún menores. Intel prevé lanzar una versión alfa del SDK de compresión neuronal de conjuntos de texturas a finales de este año, seguida de pruebas beta y un lanzamiento público, aunque los plazos exactos aún no se han confirmado.

Fuente e imágenes