
SIGGRAPH & HPG 2025 において、Intel は統合 GPU とディスクリート GPU の両方における視覚的忠実度とパフォーマンス強化の大幅な進歩を発表しました。
ビジュアル品質の向上: インテルの統合GPUへの戦略的注力
統合型グラフィックス・プロセッシング・ユニット(iGPU)を取り巻く環境は劇的に変化しました。10年前、iGPUは主にメディア再生に使用され、ゲーム体験は概して満足のいくものではありませんでした。しかし、近年の進歩により、多くの統合型ソリューションがエントリーレベルのディスクリートGPUに匹敵するパフォーマンスを実現できるようになりました。Intelは現在、これらのユニットの画質とパフォーマンスのさらなる向上に注力しています。
将来の世代の iGPU とその個別対応製品でこれらの目標を達成するために、Intel の戦略的取り組みには以下が含まれます。
- パストレーシングの効率向上
- ニューラルグラフィックス技術の探究
- 蛍光などの革新的な物理ベースの効果を導入
主な目的は、iGPUを活用した電力効率の高いデバイス向けに最適化された、高忠実度の視覚効果、特にパストレーシングを提供することです。パストレーシングは、シミュレーションに光子パスを多用するため、計算負荷が高いことで知られており、クリーンな画像を生成するにはノイズ低減が必要です。Intelのアプローチは、リサンプル・インポータンス・サンプリングを採用しており、視覚品質を最大10倍も向上させます。

この品質向上には、以下の革新が貢献しています。
SIGGRAPH 2025に採択されたこの最近の研究は、 Resampled Importance Samplingを改良することで、リアルタイムパストレーシングを進化させます。この手法は、サンプルをローカルヒストグラムに整理し、対照パターンを用いた準モンテカルロサンプリングを用いてノイズを効果的に低減します。ブルーノイズと組み合わせることで、この手法は視覚的な品質を大幅に向上させ、最大10倍の優れた結果を実現します。
この進歩は、サイバーパンク 2077 などの有名な AAA タイトルで採用されている最先端の技術に基づいており、ハイエンドのゲーム体験と低電力ハードウェア間のギャップを埋めています。
多くの障害にもかかわらず、シンプルなシーンでの最初の実験から、動的な植生や照明の遷移などの入り組んだ要素を備えた複雑にアニメーション化されたジャングルの遺跡のシーンまで、Intel B580 GPU で 1440p で安定した 30 フレーム/秒を達成し、複雑なアニメーションを実現したジャングルの遺跡のシーンまで、テクノロジーの進化は明らかです。
インテル経由
これらの開発に加え、Intelは、AIアクセラレーションによるレイトレーシングツール「Open Image Denoise」の第2版を、より幅広いユーザー向けに公開しました。このオープンソースライブラリの最初のバージョンは業界で高く評価されており、今回のアップデートではクロスベンダーサポートが強化され、Intel、NVIDIA、AMDを含むすべての主要GPUとの互換性が向上します。
Intelは、ニューラルネットワークアーキテクチャを統合し、ビジュアルをさらに向上させ、パフォーマンスを向上させるデノイザーの次期バージョンの開発に積極的に取り組んでいます。最近のデモでは、Intel Arc B580 GPUで1440pの「1兆三角形のパストレーシング」を披露し、安定した30fpsを実現しました。
パフォーマンスと画像品質は、パス トレーシングの各フェーズで処理される光線の数に直接関係します。
計算負荷とメモリ使用量を最小限に抑えるため、1 SPPと1回の反射につき1レイを使用しています。しかし、パストレーシング特有の変動性により、結果として得られる画像には目立ったノイズが現れる場合があります。各ピクセルのレンダリングは1つのランダムな光路に基づいて行われるため、特に間接照明や反射といった複雑な照明条件では、明るさと色に大きな変動が生じます。私たちのソリューションでは、時空間統合ニューラルノイズ除去とスーパーサンプリングモデルを用いてノイズを除去し、ディテールを強調します。
インテル経由

この印象的なデモンストレーションの主なハイライトは次のとおりです。
- リアルタイムパフォーマンス向上のためのパストレーシングの計算コスト削減は重要な課題であり、現在、産業界と学界の両方で研究が進められています。このブログシリーズでは、1兆個の三角形で構成されるアニメーション「ジャングル遺跡」シーンのリアルタイムパストレーシングに関する知見を共有し、Intel Arc B580 GPUを用いて1440pで30fpsを達成することに成功しました。
- このブログ シリーズでは、視覚品質評価の指標、1 兆個のインスタンス化された三角形を備えた非常に複雑なシーンでのアニメーションの管理、コンテンツ作成とパフォーマンスの最適化に伴うトレードオフなど、1 SPP ノイズ除去とスーパーサンプリングの実用的なアプリケーションに重点を置いています。

特筆すべきは、Intelが時空間統合ニューラルノイズ除去およびスーパーサンプリングモデルを用いて、ディテール再構成とノイズ低減を強化することを目指していることです。このアプローチは、NVIDIAのDLSS 3.5のレイ再構成技術や、AMDが近々FSR Redstoneテクノロジーに搭載するレイ再生機能と類似しています。
- 微細なテクスチャディテール:ノイズ除去ツールは、ノイズ低減を目的とした最適化によって、より滑らかな結果を生み出すことがよくあります。しかし、特に高周波ノイズと実際の信号の区別が困難になった場合、微細なディテールが失われる可能性があります。
- ちらつき:ノイズ除去後の個々のフレームはきれいに見えますが、フレーム間のわずかな変化により、特に照明やシーンのダイナミクスの変化によって、時間の経過とともにちらつきが目立つことがあります。バランスの取れた時間的ロスは出力を安定させますが、過度に使用するとゴーストのようなアーティファクトが発生する可能性があります。
- モアレパターン:高周波ディテールのサンプリング不足によって発生し、シーンのディテールとピクセルグリッドの間に視覚的な干渉を引き起こします。このようなパターンに対処するために、多様なサンプルでモデルをトレーニングすることで、ノイズ除去のパフォーマンスを向上させることができます。
- 影の再現:モーションベクトルなしでは、影を正確に再現することは依然として複雑です。さまざまな照明条件のサンプルでトレーニングすることで、モデルによる影の再現性が向上します。
- 遮蔽解除:以前は遮蔽されていたが、動きによって可視化された領域で問題が発生します。モデルはパターンの不一致によりこれらの領域を再構築するのに苦労し、ゴーストアーティファクトが発生することがあります。トレーニングデータを代表的なサンプルで強化することで、この問題への対応が容易になります。
- 反射:影と同様に、反射の再構築はノイズの多い色入力に依存します。最初の非鏡面反射を補助バッファに組み込むことで、特に反射面の反射品質が大幅に向上します。
低消費電力GPUにおける高性能なビジュアル忠実度をさらに高めるため、IntelはDirectX Cooperative Vectorsと互換性のあるハードウェアアクセラレーションによるテクスチャセットニューラル圧縮(TSNC)を導入しました。この技術は、現代のチップにおけるAI駆動型ハードウェア機能のポテンシャルを最大限に引き出し、FMA(Fused Multiply Add)を用いた従来の演算重視の実装と比較して最大47倍のパフォーマンス向上を実現します。注目すべきパフォーマンス指標をいくつかご紹介します。
- Intel Arc 140V (Lunar Lake): 2.6 ms (BC6 ベースライン) / 2.1 ms (TSNC、Cooperative Vectors 使用)
- Intel Arc B580 (Battlemage): 0.55 ms (BC6 ベースライン) / 0.55 ms (TSNC と Cooperative Vectors)

Intel の TSNC は、より小さなテクスチャ メモリ フットプリントを利用しながら、従来の BC6 圧縮と同等以上のパフォーマンス レベルを実現し、リソースの使用を最適化して全体的なパフォーマンスを向上させます。
インテルの最近のデモンストレーションや出版物を通して共有された洞察は、同社の今後の方向性を浮き彫りにしています。インテルは以前のイメージから進化を遂げ、GPU分野におけるイノベーションに備えた企業として確固たる地位を築いています。Xe2のようなアーキテクチャにより、インテルはエントリーレベルのディスクリートGPU市場と統合ソリューションの両面で、強力なプレーヤーとしての地位を確立しているように見えます。これらの有望な進歩はiGPU分野に革命をもたらす可能性があり、オープンソース開発へのコミットメントを反映した今後の実装に大きな期待が寄せられています。
コメントを残す