Intel presenta imágenes de alta fidelidad y rendimiento mejorado en GPU integradas: Demostración del eliminador de ruido de reconstrucción de rayos para trazado de trayectorias en Arc B580

Intel presenta imágenes de alta fidelidad y rendimiento mejorado en GPU integradas: Demostración del eliminador de ruido de reconstrucción de rayos para trazado de trayectorias en Arc B580

En SIGGRAPH & HPG 2025, Intel presentó avances significativos en fidelidad visual y mejoras de rendimiento para GPU integradas y discretas.

Mejorar la calidad visual: el enfoque estratégico de Intel en las GPU integradas

El panorama de las unidades de procesamiento gráfico integradas (iGPU) se ha transformado drásticamente. Hace una década, las iGPU se utilizaban principalmente para la reproducción multimedia, y la experiencia de juego era, en gran medida, insatisfactoria. Sin embargo, los avances recientes han permitido que muchas soluciones integradas se acerquen al rendimiento de las GPU discretas de gama básica. Intel ahora se dedica a mejorar aún más la calidad visual y el rendimiento de estas unidades.

Para alcanzar estos objetivos para las futuras generaciones de iGPU y sus contrapartes discretas, las iniciativas estratégicas de Intel incluyen:

  • Mejorar la eficiencia en el seguimiento de rutas
  • Explorando las tecnologías de gráficos neuronales
  • Introducción de efectos innovadores basados ​​en la física, como la fluorescencia

El objetivo principal es proporcionar efectos visuales de alta fidelidad, en particular el Trazado de Trayectorias, optimizado para dispositivos de bajo consumo que utilizan iGPU. El Trazado de Trayectorias, conocido por sus exigencias computacionales debido al uso extensivo de trayectorias de fotones para la simulación, requiere reducción de ruido para producir una imagen nítida. El enfoque de Intel incluye el Muestreo de Importancia Remuestreado, que mejora la calidad visual notablemente hasta diez veces.

Las siguientes innovaciones contribuyen a esta calidad mejorada:

Este trabajo reciente, aceptado en SIGGRAPH 2025, mejora el trazado de rutas en tiempo real mediante el refinamiento del Muestreo de Importancia Remuestreado.Esta técnica organiza las muestras en histogramas locales y utiliza el muestreo cuasi Monte Carlo con patrones antitéticos para minimizar el ruido eficazmente. Al combinarse con ruido azul, este método produce una mejora visual significativa, logrando resultados hasta diez veces mejores.

Este avance se basa en las técnicas líderes empleadas en títulos AAA de renombre como Cyberpunk 2077, reduciendo la brecha entre las experiencias de juego de alta gama y el hardware de bajo consumo.

A pesar de los numerosos obstáculos, la evolución de la tecnología es evidente, desde los experimentos iniciales con escenas simples hasta la compleja escena animada Jungle Ruins con elementos intrincados como vegetación dinámica y transiciones de iluminación, con trazado de ruta completo a 1 muestra por píxel (1 SPP), logrando 30 cuadros por segundo constantes a 1440p en la GPU Intel B580.

a través de Intel

Además de estos desarrollos, Intel presentó la segunda versión de Open Image Denoise, una herramienta de trazado de rayos acelerada por IA disponible para un público más amplio. La primera versión de esta biblioteca de código abierto goza de gran reconocimiento en la industria, y la actualización promete una mayor compatibilidad entre proveedores, mejorando la compatibilidad con las principales GPU, incluyendo las de Intel, NVIDIA y AMD.

Intel trabaja activamente en la próxima versión del denoiser, que integrará una arquitectura de red neuronal para mejorar aún más las imágenes y el rendimiento. Una demostración reciente destacó el » Trazado de un billón de triángulos » en la GPU Intel Arc B580 a 1440p, con una velocidad estable de 30 FPS.

El rendimiento y la calidad de la imagen están directamente relacionados con la cantidad de rayos procesados ​​en cada fase del trazado de la trayectoria.

Para minimizar la demanda de cómputo y el uso de memoria, empleamos 1 SPP y un solo rayo por cada rebote. Sin embargo, debido a la variabilidad inherente del trazado de trayectorias, las imágenes resultantes pueden presentar ruido perceptible. La representación de cada píxel se basa en una trayectoria de luz aleatoria, lo que genera fluctuaciones significativas en el brillo y el color, especialmente en condiciones de iluminación complejas, como la iluminación indirecta y los reflejos. Nuestra solución consiste en utilizar un modelo conjunto espaciotemporal de eliminación de ruido neuronal y supermuestreo para eliminar el ruido y mejorar los detalles.

a través de Intel

Los aspectos más destacados de esta impresionante demostración incluyen:

  • Reducir el coste computacional del trazado de rutas para un rendimiento en tiempo real es un reto importante, foco actual de investigación tanto en la industria como en el ámbito académico. En nuestra serie de entradas de blog, compartimos información sobre el trazado de rutas en tiempo real para la escena animada de las Ruinas de la Jungla, con un billón de triángulos, que alcanza con éxito 30 FPS a 1440p con una GPU Intel Arc B580.
  • Esta serie de blogs enfatiza las aplicaciones prácticas de eliminación de ruido y supermuestreo de 1 SPP, incluidas métricas para la evaluación de la calidad visual, la gestión de animaciones en escenas de alta complejidad con un billón de triángulos instanciados y las compensaciones involucradas en la creación de contenido y la optimización del rendimiento.

Cabe destacar que Intel busca mejorar la reconstrucción de detalles y la reducción de ruido mediante un modelo de supermuestreo y eliminación de ruido neuronal conjunto espaciotemporal. Este enfoque se asemeja a la tecnología de Reconstrucción de Rayos de NVIDIA de DLSS 3.5, así como a la próxima función de Regeneración de Rayos de AMD, integrada en su tecnología FSR Redstone.

  • Detalles de textura fina: Los denoisers suelen producir resultados más suaves mediante la optimización para la reducción de ruido. Sin embargo, esto puede afectar los detalles finos, especialmente cuando resulta difícil distinguir entre el ruido de alta frecuencia y la señal real.
  • Parpadeo: Aunque los fotogramas individuales sin ruido se ven limpios, ligeras variaciones entre fotogramas pueden provocar un parpadeo perceptible con el tiempo, especialmente debido a cambios en la iluminación o la dinámica de la escena. Una pérdida temporal equilibrada puede estabilizar la salida, pero el uso excesivo puede provocar artefactos de imagen fantasma.
  • Patrones de muaré: Surgen del submuestreo de detalles de alta frecuencia, lo que crea interferencia visual entre los detalles de la escena y las cuadrículas de píxeles. Entrenar el modelo con diversas muestras que aborden estos patrones puede mejorar el rendimiento en la eliminación de ruido.
  • Reconstrucción de sombras: Reconstruir sombras con precisión resulta complejo sin vectores de movimiento. El entrenamiento con muestras que presentan condiciones de iluminación variables permite una mejor reproducción de las sombras por parte del modelo.
  • Desoclusión: Surgen dificultades en áreas previamente ocluidas, pero visibles mediante el movimiento. El modelo tiene dificultades para reconstruirlas debido a patrones inconsistentes, lo que a veces resulta en artefactos fantasma. Enriquecer los datos de entrenamiento con muestras representativas facilita la gestión de este problema.
  • Reflejos: Al igual que las sombras, la reconstrucción de reflejos se basa en la entrada de color ruidosa. Incorporar el primer impacto no especular en los búferes auxiliares mejora considerablemente la calidad del reflejo, especialmente en superficies reflectantes.

a través de Intel

Para potenciar aún más la fidelidad visual de alto rendimiento en GPU de bajo consumo, Intel ha introducido la Compresión Neural de Conjuntos de Texturas Acelerada por Hardware (TSNC), compatible con los Vectores Cooperativos DirectX. Esta tecnología maximiza el potencial de las funciones de hardware basadas en IA en los chips actuales, logrando una mejora del rendimiento de hasta 47 veces en comparación con las implementaciones tradicionales centradas en la computación que utilizan FMA (Multiplicación y Suma Fusionada).A continuación, se presentan algunas métricas de rendimiento destacadas:

  • Intel Arc 140V (Lunar Lake): 2, 6 ms (línea base BC6) / 2, 1 ms (TSNC con vectores cooperativos)
  • Intel Arc B580 (Battlemage): 0, 55 ms (línea base BC6) / 0, 55 ms (TSNC con vectores cooperativos)

TSNC de Intel demuestra niveles de rendimiento iguales o superiores a la compresión BC6 convencional al tiempo que utiliza una huella de memoria de textura más pequeña, optimizando así el uso de recursos y mejorando el rendimiento general.

Los conocimientos compartidos a través de las recientes demostraciones y publicaciones de Intel destacan la trayectoria de la compañía. Intel está evolucionando respecto a su imagen anterior, mostrando una empresa preparada para la innovación en el ámbito de las GPU. Con arquitecturas como Xe2, Intel parece estar bien posicionada como un actor formidable tanto en los mercados de GPU discretas de gama baja como en las soluciones integradas. Estos prometedores avances podrían revolucionar el segmento de las iGPU, con gran expectación por sus próximas implementaciones, lo que refleja su compromiso con los desarrollos de código abierto.

Fuente e imágenes

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *