NVIDIA, conocida por sus GPUs y habilidad para llevar la inteligencia artificial (IA) al centro de la experiencia visual, está trabajando en una serie de tecnologías de gráficos con IA que prometen cambiar radicalmente cómo percibimos los juegos y, en general, el contenido visual.
Avances en Ray Reconstruction y DLSS 3.5
NVIDIA ha llevado la integración de la IA a nuevas alturas con su tecnología DLSS (Deep Learning Super Sampling) 3.5 y su nueva propuesta, Ray Reconstruction. Estas tecnologías marcan un cambio notable en cómo se generan los píxeles en las GPU de consumo. La idea central es mejorar la calidad gráfica sin necesidad de un incremento proporcional en el poder de procesamiento.
El DLSS 3.5, por ejemplo, utiliza redes neuronales para aumentar la resolución percibida en los juegos, permitiendo que las imágenes se vean con mayor claridad y detalle, incluso si el hardware no está enviando la cantidad completa de píxeles. Esto es posible porque la IA «llena» los huecos entre los píxeles originales.
Por otro lado, la tecnología Ray Reconstruction combina el trazado de rayos con la IA para perfeccionar las imágenes en tiempo real. Esta tecnología aborda las limitaciones del trazado de rayos tradicional, que se enfrenta a desafíos como el ruido y los artefactos visuales. Así, mejora la fidelidad visual y facilita el trabajo de los desarrolladores en la creación de gráficos impresionantes.
Neural Texture Compression y más
Pero, el gigante también está investigando otros frentes con tecnologías como la Neural Texture Compression y Neural Radiance Cache.
- Neural Texture Compression es un enfoque que utiliza redes neuronales para comprimir texturas de manera mucho más eficiente que los métodos tradicionales. En lugar de almacenar texturas de alta resolución en su forma completa, esta tecnología comprime las texturas de manera que ocupen mucho menos espacio en la memoria sin sacrificar calidad.
- NeuralVDB es otra propuesta que se centra en la representación de datos volumétricos. Utiliza modelos neuronales para comprimir estos datos, facilitando la ejecución de complejas simulaciones sin una gran demanda de memoria.
- El Neural Radiance Cache, por su parte, utiliza redes neuronales para almacenar y recuperar información de radiancia de manera más efectiva. Mejora la calidad de los gráficos en tiempo real y acelera los procesos de renderización.
Modelos de Apariencia Neuronal
Uno de los desarrollos más prometedores es el uso de modelos de apariencia neuronal (NAM). Estos modelos aprovechan la IA para representar materiales con un grado de realismo. Mediante el entrenamiento de redes neuronales para entender las características visuales de los materiales reales, NAM puede generar representaciones gráficas que se asemejan más a la realidad, y hacerlo de manera mucho más eficiente que las técnicas convencionales.
En la presentación de SIGGRAPH 2024, NVIDIA mostró cómo estos modelos pueden ofrecer texturas con una resolución de hasta 16K, un gran avance en comparación con las resoluciones actuales. Además, los tiempos de renderización se reducen entre 12 y 24 veces, gracias a la eficiencia de los modelos neuronales en la tarea de sombreado y renderizado.
Una mirada al futuro
Mirando hacia el futuro, NVIDIA está investigando cómo la IA puede seguir mejorando los gráficos. La combinación de hardware y software, como se observa en las nuevas propuestas de NVIDIA, está allanando el camino para gráficos de próxima generación que pueden hacer realidad los sueños más ambiciosos de desarrolladores y creadores de contenido.
La capacidad de la IA para manejar tareas complejas, como la compresión de datos y la simulación volumétrica, está expandiendo los límites de lo que es posible en gráficos por computadora. Con cada avance, nos acercamos a gráficos más detallados, realistas y más accesibles para los consumidores y desarrolladores por igual.