Intel dévoile des visuels haute fidélité et des performances améliorées sur les GPU intégrés : démonstration du débruiteur de reconstruction de rayons pour le traçage de chemin sur Arc B580

Lors du SIGGRAPH & HPG 2025, Intel a présenté des avancées significatives en matière de fidélité visuelle et d’amélioration des performances pour les GPU intégrés et discrets.

Amélioration de la qualité visuelle : l’accent stratégique d’Intel sur les GPU intégrés

Le paysage des processeurs graphiques intégrés (iGPU) a connu une transformation radicale. Il y a dix ans, les iGPU servaient principalement à la lecture multimédia, et les expériences de jeu étaient largement insatisfaisantes. Cependant, les avancées récentes ont permis à de nombreuses solutions intégrées d’atteindre des niveaux de performances proches des GPU discrets d’entrée de gamme. Intel s’attache désormais à améliorer encore la qualité visuelle et les performances de ces unités.

Pour atteindre ces objectifs pour les futures générations d’iGPU et leurs homologues discrets, les initiatives stratégiques d’Intel comprennent :

Améliorer l’efficacité du traçage de chemin
Exploration des technologies de neurones graphiques
Présentation d’effets physiques innovants, tels que la fluorescence

L’objectif principal est de fournir des effets visuels haute fidélité, notamment le Path Tracing, optimisé pour les appareils économes en énergie utilisant des iGPU. Le Path Tracing, connu pour ses exigences de calcul dues à l’utilisation intensive des trajectoires de photons pour la simulation, nécessite une réduction du bruit pour produire une image nette. L’approche d’Intel repose sur l’échantillonnage d’importance rééchantillonné, qui améliore la qualité visuelle jusqu’à dix fois.

Les innovations suivantes contribuent à cette qualité améliorée :

Ces travaux récents, acceptés au SIGGRAPH 2025, font progresser le traçage de chemin en temps réel en affinant l’échantillonnage d’importance rééchantillonné.Cette technique organise les échantillons en histogrammes locaux et utilise l’échantillonnage quasi Monte Carlo avec des motifs antithétiques pour minimiser efficacement le bruit. Associée au bruit bleu, cette méthode permet une amélioration visuelle significative, avec des résultats jusqu’à dix fois supérieurs.

Cette avancée s’appuie sur les techniques de pointe employées dans des titres AAA renommés comme Cyberpunk 2077, comblant le fossé entre les expériences de jeu haut de gamme et le matériel basse consommation.

Malgré de nombreux obstacles, l’évolution de la technologie est évidente, depuis les premières expériences avec des scènes simples jusqu’à la scène complexe et animée des ruines de la jungle avec des éléments complexes comme la végétation dynamique et les transitions d’éclairage, entièrement tracées à 1 échantillon par pixel (1 SPP), atteignant 30 images par seconde stables à 1440p sur le GPU Intel B580.

via Intel

Outre ces développements, Intel a dévoilé la deuxième version d’Open Image Denoise, un outil de ray tracing accéléré par l’IA, accessible à un public plus large. La première version de cette bibliothèque open source est très appréciée du secteur, et la mise à jour promet une prise en charge multi-fournisseurs améliorée, améliorant ainsi la compatibilité avec tous les principaux GPU, notamment ceux d’Intel, NVIDIA et AMD.

Intel travaille activement sur la prochaine version du débruiteur, qui intégrera une architecture de réseau neuronal pour améliorer encore les graphismes et les performances. Une démonstration récente a mis en avant le « Path Tracing a Trillion Triangles » sur le GPU Intel Arc B580 à 1440p, offrant une fréquence d’images stable de 30 ips.

Les performances et la qualité de l’image sont directement liées au nombre de rayons traités à chaque phase du traçage du chemin.

Afin de minimiser les besoins de calcul et l’utilisation de la mémoire, nous utilisons un SPP et un seul rayon pour chaque rebond. Cependant, en raison de la variabilité inhérente au traçage de chemin, les images obtenues peuvent présenter un bruit notable. Le rendu de chaque pixel repose sur un chemin lumineux aléatoire, ce qui entraîne d’importantes fluctuations de luminosité et de couleur, notamment dans des conditions d’éclairage complexes telles que l’éclairage indirect et les réflexions. Notre solution repose sur un modèle spatiotemporel conjoint de débruitage et de suréchantillonnage neuronaux pour éliminer le bruit et améliorer les détails.

via Intel

Les points forts de cette démonstration impressionnante comprennent :

Réduire le coût de calcul du path tracing pour des performances en temps réel est un défi majeur, actuellement au cœur des recherches industrielles et universitaires. Dans notre série d’articles de blog, nous partageons des informations sur le path tracing en temps réel pour la scène animée « Ruines de la jungle » composée d’un trillion de triangles, atteignant 30 ips à 1440p avec un GPU Intel Arc B580.
Cette série de blogs met l’accent sur les applications pratiques du débruitage et du suréchantillonnage 1 SPP, y compris les mesures d’évaluation de la qualité visuelle, la gestion des animations dans des scènes de haute complexité comportant un billion de triangles instanciés et les compromis impliqués dans la création de contenu et l’optimisation des performances.

Intel vise notamment à améliorer la reconstruction des détails et la réduction du bruit grâce à un modèle spatiotemporel conjoint de débruitage neuronal et de suréchantillonnage. Cette approche présente des similitudes avec la technologie de reconstruction de rayons de NVIDIA issue de DLSS 3.5, ainsi qu’avec la prochaine fonctionnalité de régénération de rayons d’AMD intégrée à sa technologie FSR Redstone.

Détails de texture fins : Les débruiteurs produisent souvent des résultats plus fluides grâce à une optimisation visant à réduire le bruit. Cependant, cela peut entraîner une perte de détails fins, notamment lorsqu’il devient difficile de distinguer le bruit haute fréquence du signal réel.

Scintillement : Bien que les images individuelles débruitées paraissent nettes, de légères variations d’une image à l’autre peuvent entraîner un scintillement perceptible au fil du temps, notamment en raison de changements d’éclairage ou de dynamique de scène. Une perte temporelle équilibrée peut stabiliser les sorties, mais une utilisation excessive peut entraîner des artefacts fantômes.

Motifs de moiré : ils résultent d’un sous-échantillonnage des détails haute fréquence, créant des interférences visuelles entre les détails de la scène et les grilles de pixels. Entraîner le modèle avec divers échantillons traitant ces motifs peut améliorer les performances de débruitage.

Reconstruction des ombres : Reconstruire avec précision les ombres reste complexe sans vecteurs de mouvement. L’entraînement avec des échantillons présentant des conditions d’éclairage variables permet d’améliorer la reproduction des ombres par le modèle.

Désocclusion : des difficultés surviennent dans des zones précédemment occultées, mais rendues visibles par le mouvement. Le modèle peine à les reconstruire en raison de schémas incohérents, ce qui entraîne parfois des artefacts fantômes. L’enrichissement des données d’apprentissage avec des échantillons représentatifs facilite la gestion de ce problème.

Réflexions : Comme les ombres, la reconstruction par réflexion repose sur une entrée couleur bruitée. L’intégration du premier impact non spéculaire dans les tampons auxiliaires améliore considérablement la qualité de la réflexion, notamment pour les surfaces réfléchissantes.

via Intel

Pour optimiser la fidélité visuelle haute performance des GPU basse consommation, Intel a introduit la compression neuronale des textures accélérée par le matériel (TSNC), compatible avec les vecteurs coopératifs DirectX. Cette technologie maximise le potentiel des fonctionnalités matérielles pilotées par l’IA des puces modernes, permettant d’obtenir des performances jusqu’à 47 fois supérieures à celles des implémentations traditionnelles axées sur le calcul utilisant la technologie FMA (Fused Multiply Add).Voici quelques indicateurs de performance remarquables :

Intel Arc 140V (Lunar Lake) : 2, 6 ms (base BC6) / 2, 1 ms (TSNC avec vecteurs coopératifs)
Intel Arc B580 (Battlemage) : 0, 55 ms (base BC6) / 0, 55 ms (TSNC avec vecteurs coopératifs)

Le TSNC d’Intel démontre des niveaux de performance égaux ou supérieurs à la compression BC6 conventionnelle tout en utilisant une empreinte mémoire de texture plus petite, optimisant ainsi l’utilisation des ressources et améliorant les performances globales.

Les informations partagées lors des récentes démonstrations et publications d’Intel illustrent la trajectoire de l’entreprise. Intel évolue par rapport à son image passée et se positionne comme une entreprise prête à innover dans le domaine des GPU. Avec des architectures comme Xe2, Intel semble bien positionné comme un acteur majeur sur le marché des GPU discrets d’entrée de gamme et des solutions intégrées. Ces avancées prometteuses pourraient révolutionner le segment des iGPU, et leurs prochaines implémentations suscitent une forte attente, reflétant son engagement envers les développements open source.

Source et images