Intel presenta immagini ad alta fedeltà e prestazioni migliorate sulle GPU integrate: dimostra il denoiser di ricostruzione dei raggi per il tracciamento del percorso su Arc B580

Al SIGGRAPH & HPG 2025, Intel ha presentato significativi progressi nella fedeltà visiva e nei miglioramenti delle prestazioni sia per le GPU integrate che per quelle discrete.

Miglioramento della qualità visiva: l’attenzione strategica di Intel sulle GPU integrate

Il panorama delle unità di elaborazione grafica integrate (iGPU) è cambiato radicalmente. Dieci anni fa, le iGPU servivano principalmente per la riproduzione multimediale e le esperienze di gioco erano ampiamente insoddisfacenti. Tuttavia, i recenti progressi hanno permesso a molte soluzioni integrate di avvicinarsi ai livelli prestazionali delle GPU discrete entry-level. Intel è ora impegnata a migliorare ulteriormente la qualità visiva e le prestazioni di queste unità.

Per raggiungere questi obiettivi per le future generazioni di iGPU e le loro controparti discrete, le iniziative strategiche di Intel includono:

Migliorare l’efficienza nel tracciamento del percorso
Esplorazione delle tecnologie di grafica neurale
Introduzione di effetti innovativi basati sulla fisica, come la fluorescenza

L’obiettivo principale è fornire effetti visivi ad alta fedeltà, in particolare il Path Tracing, ottimizzato per dispositivi a basso consumo energetico che sfruttano le iGPU. Il Path Tracing, noto per le sue esigenze computazionali dovute all’ampio utilizzo di percorsi fotonici per la simulazione, richiede la riduzione del rumore per produrre un’immagine pulita. L’approccio di Intel prevede il Resampled Importance Sampling, che migliora la qualità visiva di un fattore notevole, fino a dieci volte.

Le seguenti innovazioni contribuiscono a questa qualità migliorata:

Questo recente lavoro, accettato al SIGGRAPH 2025, migliora il path tracing in tempo reale perfezionando il Resampled Importance Sampling.Questa tecnica organizza i campioni in istogrammi locali e utilizza il campionamento Quasi Monte Carlo con pattern antitetici per minimizzare efficacemente il rumore. In combinazione con il rumore blu, questo metodo porta a un significativo miglioramento visivo, ottenendo risultati fino a dieci volte superiori.

Questo progresso si basa sulle tecniche all’avanguardia impiegate in rinomati titoli AAA come Cyberpunk 2077, colmando il divario tra esperienze di gioco di fascia alta e hardware a basso consumo.

Nonostante i numerosi ostacoli, l’evoluzione della tecnologia è evidente: dagli esperimenti iniziali con scene semplici alla complessa scena animata Jungle Ruins con elementi intricati come vegetazione dinamica e transizioni di illuminazione, completamente tracciata con 1 campione per pixel (1 SPP), che raggiunge 30 fotogrammi al secondo costanti a 1440p sulla GPU Intel B580.

via Intel

Oltre a questi sviluppi, Intel ha presentato la seconda versione di Open Image Denoise, uno strumento di ray tracing accelerato dall’intelligenza artificiale disponibile per un pubblico più ampio. La prima versione di questa libreria open source è molto apprezzata nel settore e l’aggiornamento promette un supporto cross-vendor migliorato, migliorando la compatibilità con tutte le principali GPU, comprese quelle di Intel, NVIDIA e AMD.

Intel sta lavorando attivamente alla prossima versione del denoiser, che integrerà un’architettura di rete neurale per migliorare ulteriormente la grafica e le prestazioni. Una recente dimostrazione ha evidenziato il ” Path Tracing a Trillion Triangles ” sulla GPU Intel Arc B580 a 1440p, con una stabilità di 30 FPS.

Le prestazioni e la qualità dell’immagine sono direttamente correlate al numero di raggi elaborati in ogni fase del tracciamento del percorso.

Per ridurre al minimo le esigenze di elaborazione e l’utilizzo di memoria, utilizziamo 1 SPP e un singolo raggio per ogni rimbalzo. Tuttavia, a causa della variabilità intrinseca del path tracing, le immagini risultanti potrebbero presentare un rumore evidente. Il rendering di ogni pixel si basa su un percorso di luce casuale, il che porta a fluttuazioni significative di luminosità e colore, in particolare in condizioni di illuminazione complesse come l’illuminazione indiretta e i riflessi. La nostra soluzione prevede l’utilizzo di un modello congiunto spaziotemporale di denoising neurale e supersampling per eliminare il rumore e migliorare i dettagli.

via Intel

I punti salienti di questa impressionante dimostrazione includono:

Ridurre il costo computazionale del path tracing per prestazioni in tempo reale è una sfida importante, attualmente al centro della ricerca sia nel settore industriale che in quello accademico. In questa serie di articoli del blog, condividiamo approfondimenti sul path tracing in tempo reale per la scena animata “Jungle Ruins” con un trilione di triangoli, che ha raggiunto con successo i 30 FPS a 1440p con una GPU Intel Arc B580.
Questa serie di blog mette in risalto le applicazioni pratiche della denoising e del supersampling 1 SPP, comprese le metriche per la valutazione della qualità visiva, la gestione delle animazioni in scene ad alta complessità con un numero di triangoli di istanziati e i compromessi implicati nella creazione di contenuti e nell’ottimizzazione delle prestazioni.

In particolare, Intel mira a migliorare la ricostruzione dei dettagli e la riduzione del rumore utilizzando un modello di denoising neurale e supersampling congiunto spazio-temporale. Questo approccio presenta somiglianze con la tecnologia Ray Reconstruction di NVIDIA da DLSS 3.5, nonché con la prossima funzionalità Ray Regeneration di AMD all’interno della sua tecnologia FSR Redstone.

Dettagli fini della texture: i denoiser spesso producono risultati più uniformi grazie all’ottimizzazione mirata alla riduzione del rumore. Tuttavia, questo può comportare la perdita di dettagli fini, soprattutto quando la distinzione tra rumore ad alta frequenza e segnale effettivo diventa difficile.

Sfarfallio: sebbene i singoli fotogrammi denoised appaiano puliti, leggere variazioni da un fotogramma all’altro possono causare un percettibile tremolio nel tempo, in particolare a causa di variazioni di illuminazione o dinamiche della scena. Una perdita temporale bilanciata può stabilizzare le immagini in uscita, ma un utilizzo eccessivo può causare artefatti di ghosting.

Moiré: questi effetti derivano dal sottocampionamento dei dettagli ad alta frequenza, creando interferenze visive tra i dettagli della scena e le griglie di pixel. Addestrare il modello con diversi campioni che affrontino questi effetti può migliorare le prestazioni di denoising.

Ricostruzione delle ombre: ricostruire accuratamente le ombre rimane complesso senza vettori di movimento. L’addestramento con campioni che presentano condizioni di illuminazione variabili consente una migliore riproduzione delle ombre da parte del modello.

Disocclusione: sorgono difficoltà nelle aree precedentemente occluse ma rese visibili dal movimento. Il modello fatica a ricostruirle a causa di pattern incoerenti, che a volte causano artefatti ghosting. Arricchire i dati di training con campioni rappresentativi aiuta a gestire questo problema.

Riflessi: come le ombre, la ricostruzione dei riflessi si basa su input di colore rumorosi. Incorporare il primo colpo non speculare nei buffer ausiliari migliora notevolmente la qualità dei riflessi, soprattutto sulle superfici riflettenti.

via Intel

Per potenziare ulteriormente la fedeltà visiva ad alte prestazioni nelle GPU a basso consumo, Intel ha introdotto la compressione neurale (TSNC) delle texture con accelerazione hardware, compatibile con i vettori cooperativi DirectX. Questa tecnologia massimizza il potenziale delle funzionalità hardware basate sull’intelligenza artificiale nei chip moderni, ottenendo un miglioramento delle prestazioni fino a 47 volte superiore rispetto alle tradizionali implementazioni incentrate sul calcolo che utilizzano FMA (Fused Multiply Add).Ecco alcuni parametri prestazionali degni di nota:

Intel Arc 140V (Lunar Lake): 2, 6 ms (baseline BC6) / 2, 1 ms (TSNC con vettori cooperativi)
Intel Arc B580 (Battlemage): 0, 55 ms (baseline BC6) / 0, 55 ms (TSNC con vettori cooperativi)

La tecnologia TSNC di Intel dimostra livelli di prestazioni pari o superiori alla compressione BC6 convenzionale, utilizzando al contempo un ingombro di memoria delle texture inferiore, ottimizzando così l’utilizzo delle risorse e migliorando le prestazioni complessive.

Le informazioni condivise attraverso le recenti dimostrazioni e pubblicazioni di Intel evidenziano la traiettoria in avanti dell’azienda. Intel si sta evolvendo rispetto alla sua immagine precedente, presentandosi come un’azienda pronta a innovare nel settore delle GPU. Con architetture come Xe2, Intel sembra ben posizionata come un attore formidabile sia nel mercato delle GPU discrete entry-level che in quello delle soluzioni integrate. Questi promettenti progressi potrebbero rivoluzionare il segmento delle iGPU, con una forte attesa per le loro prossime implementazioni, a dimostrazione del suo impegno per gli sviluppi open source.

Fonte e immagini