Bu yaklaşımın merkezinde, klasik veri yapılarını daha küçük ve verimli “nöral temsillere” dönüştürmek yer alıyor. Nvidia’ya göre bu sayede hem GPU üzerindeki yük azalıyor hem de aynı donanım ile daha yüksek kaliteli sahneler mümkün hale geliyor.

6.5 GB’tan 970 MB’a dramatik düşüş

Daha küçük veri boyutları oyunların kurulum boyutlarının küçülmesi, güncellemelerin hafiflemesi ve indirme bant genişliği ihtiyacının azalması anlamına geliyor. Aynı zamanda geliştiricilere, mevcut donanım sınırları içinde daha yüksek kaliteli varlıklar kullanma imkanı tanıyor.

Diğer yenilik de Neural Materials

Ayrıca Bkz.Intel'den Nvidia'ya yanıt: VRAM kullanımını 18 kat azaltacak

Geleneksel yöntemde çok sayıda kanal üzerinden hesaplanan malzeme özellikleri NM ile küçük bir yapay sinir ağı tarafından çözümlenen “latent” bir temsile indirgeniyor. Bu sayede hem veri miktarı azalıyor hem de işlem süreci hızlanıyor.

Paylaşılan bir örnekte, 19 kanallı bir malzeme yapısının 8 kanala indirildiği ve bunun sonucunda 1080p çözünürlükte 1.4 kat ile 7.7 kat arasında daha hızlı render süreleri elde edildiği belirtiliyor.

Yapay zeka oyun motoruna yerleşiyor

Artık hiç şüphe yok ki video oyun endüstrisi tamamıyla “yapay zeka tabanlı” oyunlara doğru ilerliyor. Nvidia’nın tüm gösterimleri şirketin “nöral işleme” olarak adlandırdığı daha geniş bir yol haritasının parçası. DLSS 5 gibi teknolojiler görüntü hattının sonunda devreye girerek nihai kareyi iyileştirirken yeni yaklaşım doğrudan oyun motorunun içine entegre edilen küçük yapay zeka modellerine dayanıyor.

Dolayısıyla Nvidia sadece oyunlara “filtre” eklemek istemiyor. Şirket, dokuların çözülmesi, malzeme hesaplamaları ve bellek trafiğinin azaltılması gibi görevleri üstlenen birden fazla küçük ve görev odaklı modeli de kullanmak istiyor. Daha ileri senaryolar düşünüldüğünde, oyun motorundaki modeller ile DLSS’in iletişim kurması ve oluşturulan sahnelerin de çok daha gerçekçi hale gelmesi akıllara geliyor.