Nvidia usa l’AI per potenziare il rendering dei modelli neurali | Festina Lente - Notizie, recensioni e approfondimenti sull’intelligenza artificiale | Turtles AI

 NVIDIA Svela Modelli di Materiali Neurali: Velocità di Ombreggiatura 24 Volte Superiore

 Punti Chiave
- Innovazione AI nel Rendering: NVIDIA introduce "Neural Appearance Models" al Siggraph, migliorando drasticamente le prestazioni di ombreggiatura in tempo reale.
- Velocità di Shading: Il nuovo approccio offre una velocità di ombreggiatura da 12 a 24 volte superiore rispetto ai metodi tradizionali.
- Scalabilità e Qualità: I modelli neurali sono scalabili per diverse applicazioni, dai videogiochi su PC e console alla realtà virtuale.
- Integrazione con Hardware Esistente: Supportato da framework come PyTorch e TensorFlow, e accelerato tramite architetture GPU di NVIDIA, AMD e Intel.

NVIDIA ha presentato una nuova innovazione nel campo del rendering in tempo reale al Siggraph, introducendo un metodo chiamato "Neural Appearance Models". Questo approccio sfrutta l’intelligenza artificiale per migliorare significativamente le prestazioni di ombreggiatura, raggiungendo una velocità fino a 24 volte superiore rispetto alle tecniche tradizionali.

 Un Balzo Avanti nel Rendering in Tempo Reale

Il cuore dell’innovazione di NVIDIA risiede nell’uso dei modelli di materiali neurali, un sistema che sostituisce i tradizionali grafici di ombreggiatura con reti neurali efficienti e meno costose dal punto di vista computazionale. Questi modelli offrono prestazioni di calcolo dello shading molto più rapide, mantenendo al contempo un elevato livello di dettaglio visivo.

I modelli neurali consentono di rendere ogni dettaglio degli oggetti, inclusi elementi complessi come polvere, macchie d’acqua e miscele di luci e colori. Tradizionalmente, questi dettagli richiedono processi di rendering costosi e complessi, ma con l’approccio di NVIDIA, la resa di materiali è notevolmente ottimizzata.

 Tecnologia e Scalabilità

I "Neural Appearance Models" di NVIDIA sono progettati per essere scalabili su diverse piattaforme, dal gaming su PC e console alla realtà virtuale e al rendering cinematografico. Il sistema utilizza un encoder per gestire asset di dimensioni gigatexel e decodificatori prioritari per la mappatura normale e il campionamento, consentendo esecuzioni efficienti di reti neurali in shader in tempo reale.

 Supporto Hardware Esteso

Questo nuovo approccio è supportato dai framework di machine learning esistenti come PyTorch e TensorFlow, e sfrutta strumenti come GLSL o HLSL. Utilizza anche motori hardware-accelerated matrix multiply-accumulate (MMA) su architetture GPU di NVIDIA, AMD e Intel. Lo shader runtime compilerà la descrizione del materiale neurale in codice ottimizzato utilizzando il linguaggio di shading open source Slang, con backend per vari target, tra cui Vulkan, Direct3D 12 e CUDA.

L’architettura Tensor-core delle GPU moderne rappresenta un ulteriore passo avanti per questi modelli, offrendo accelerazione hardware anche agli shader, grazie all’uso di un compilatore DirectX Shader basato su LLVN open source modificato.

 Prestazioni Eccezionali

Le prestazioni dei modelli neurali sono state dimostrate utilizzando una GPU NVIDIA GeForce RTX 4090 con DXR (Ray Tracing) accelerato tramite hardware a una risoluzione di 1920x1080. I risultati hanno mostrato che il nuovo approccio rende le immagini molto più velocemente e con dettagli migliori rispetto ai metodi tradizionali. Ad esempio, nei tempi di rendering full-frame con Neural BRDF, la RTX 4090 ha raggiunto prestazioni fino a 4,14 volte più veloci.

 Conclusione

Il nuovo approccio di NVIDIA ai modelli di materiali neurali promette di ridefinire il rendering in tempo reale, offrendo velocità di ombreggiatura significativamente migliorate e la capacità di generare materiali e oggetti ultra-realistici più rapidamente. Con questa innovazione, sviluppatori e creatori di contenuti possono aspettarsi di vedere miglioramenti tangibili nelle prestazioni e nella qualità visiva dei loro progetti futuri.