近日，推特用户GPU Open在其X账户上透露了一个重要消息：AMD的两位工程师，S. Fujieda和T. Harada，计划在即将到来的第35届欧洲图形渲染研讨会上介绍一项名为“神经纹理块压缩技术(Neural Texture Block Compression)”的技术。这一创新技术旨在显著减小游戏文件的体积，为日益增长的游戏数据量提供解决方案。 　　利用神经网络压缩纹理 　　随着游戏画质的不断提升，游戏文件的体积也在迅速膨胀，其中纹理是导致这一现象的主要原因之一。通过采用神经网络技术，AMD研发的这项新技术能够对纹理进行高效压缩，进而减少所需的数据空间。与此同时，AMD还强调了“不变的运行时执行”，这意味着游戏开发人员可以轻松地将这项技术整合进现有项目中，无需担心影响游戏的运行效率。 　　技术概述 　　尽管更详细的说明还需等待研讨会期间的公布，但我们可以根据已有的信息推测，这项技术与英伟达在SIGGRAPH 2023上发布的神经压缩技术可能有着相似之处。下面是英伟达技术的一些基本概述： 　　为了应对游戏渲染领域对于更高真实度的不断追求所导致的纹理数据量激增问题，英伟达提出了一种新颖的神经压缩技术，专门用于压缩材质纹理。该技术利用低比特率压缩，能够在保持甚至提高图像质量的同时，解锁额外的两个细节层次(即原始纹理的纹素数量增加16倍)。相比目前最先进的一些图像压缩技术，如AVIF和JPEG XL，这种新的神经压缩方法能够提供更优的图像品质。 　　此外，英伟达的方法还支持实时解压缩，具备类似GPU上的块纹理压缩技术的随机访问特性，使得纹理可以在磁盘和内存中进行压缩。具体来说，该技术的核心在于将多个材质纹理及其Mipmap链一起压缩，并使用针对每种材质特别优化的小型神经网络进行解压缩。为了实现实用的压缩速度，英伟达采用了定制的训练实现方法，其性能比通用框架如PyTorch高出一个数量级。