Intel apresenta SDK de compressão neural de texturas com desempenho superior à aceleração por hardware

A Intel converteu seu protótipo de pesquisa e desenvolvimento em um SDK independente de Compressão Neural de Texturas (TSNC), anunciado por Marissa du Bois, engenheira de gráficos da companhia, durante a GDC 2026. A tecnologia, que segue a mesma natureza determinística da solução da NVIDIA, evolui a partir de demonstrações iniciais realizadas na GDC 2025.

O TSNC substitui a lógica de compressão de blocos tradicional, representada pelos formatos BC1 a BC7 que utilizam regras matemáticas fixas, por um sistema baseado em redes neurais. Através de descida de gradiente estocástica, a ferramenta aprende a codificar e decodificar texturas específicas, gerando uma representação compacta no espaço latente. Esse modelo permite que uma perceptron de múltiplas camadas reconstrua, em tempo de execução, dados de emissão, sombreamento ambiente, metal, rugosidade, normal e difusão.

A base do sistema é a pirâmide de recursos, composta por quatro texturas latentes codificadas em BC1 com resoluções variadas. Para atender a diferentes necessidades, a Intel disponibiliza duas variantes que equilibram a qualidade visual e a taxa de compressão, aproveitando a redundância estrutural encontrada nos canais de mapas PBR de um mesmo material.

O compressor foi totalmente reescrito em shaders de computação Slang, abandonando a estrutura original em PyTorch. Essa mudança permite que o código de descompressão seja direcionado para diferentes backends, seja em motores personalizados, no Unreal ou via CPU. No hardware, a solução utiliza a API de Vetores Cooperativos DirectX 12 da Microsoft para acelerar a inferência de matriz nos núcleos XMX das GPUs Intel Arc das séries A e B. Em dispositivos sem suporte a XMX, como CPUs e GPUs de outros fabricantes, o sistema opera por meio de um fallback padrão FMA (multiplicação e adição fundida).

Existem quatro estratégias de implantação disponíveis, permitindo que desenvolvedores escolham o equilíbrio ideal entre o uso de memória e a economia de espaço em disco. Testes realizados em um laptop Panther Lake, equipado com gráficos integrados B390, em carga de trabalho de shader 1080p, registraram 0,13ms por amostra de pixel e 0,4ms por inferência de pixel. Esse desempenho é 3,4 vezes superior à matemática de matriz acelerada por hardware, tornando a implantação por amostra por pixel viável inclusive em gráficos integrados, com overhead ainda menor em GPUs discretas.

O lançamento da versão Alpha do SDK está previsto para o final deste ano, com versões beta e pública programadas para etapas posteriores, embora sem datas definidas.