شرکت انویدیا در رویداد GTC 2026 یک بار دیگر نشان داد که تکنیک فشرده‌سازی بافت‌ها با شبکه عصبی یا Neural Texture Compression تا چه حد پتانسیل صرفه‌جویی در مصرف حافظه VRAM یا بهبود کیفیت بافت‌ها را دارد.

انویدیا در خلال نشستی موسوم به Introduction to Neural Rendering در رویداد GTC 2026 دوباره تکنیک Neural Texture Compression یا NTC را به‌نمایش گذاشت. در یک دمو، این تکنیک توانست ۸۵ درصد مصرف VRAM را نسبت به روش BCN کاهش دهد.

این ویژگی به‌طور خاص برای بازی‌هایی کاربردی خواهد بود که دارای صحنه‌های سنگین با مصرف بالای VRAM هستند. انویدیا می‌گوید NTC می‌تواند ضمن حفظ مصرف VRAM، کیفیت بافت‌ها را هم افزایش دهد و از مشکلات بصری ناشی از BCN جلوگیری کند.

Neural Texture Compression اولین‌بار حدود سه سال پیش به‌نمایش درآمد و SDK آن از اوایل ۲۰۲۶ در دسترس بوده اما هیچ‌کدام از توسعه‌دهندگان بازی‌ها از آن استفاده نکرده‌اند. این تکنیک به‌عنوان یک رویکرد یادگیری ماشینی برای ذخیره‌سازی بهینه‌تر بافت‌ها توصیف شده است.

در این روش به‌جای اینکه هر تکسل یا پیکسل بافت مستقیماً ذخیره شود، NTC بافت را به خصوصیات پنهان اما آموخته‌شده تبدیل می‌کند که دارای اطلاعات بصری ضروری آن است. در زمان اجرای برنامه، یک شبکه عصبی کوچک که روی GPU اجرا می‌شود، مقادیر تکسل‌ها را از این داده‌های فشرده دریافت و آن‌ها را در لحظه پردازش می‌کند تا فشار کمتری به حافظه وارد شود. NTC مولد نیست، یعنی از خودش چیزی تولید نمی‌کند بلکه هر بار همان بافت‌ها را بازسازی می‌کند.

تکنیک Neural Texture Compression سه مزیت ساختاری نسبت به فرمت‌های سنتی مثل BCN دارد:

• نسبت فشرده‌سازی بالاتر: داده‌های بسیار بیشتری درباره بافت در همان مقدار حافظه ویدیویی قرار می‌گیرد
• پشتیبانی از تعداد کانال بالاتر: عناصر پیچیده که دارای کانال‌های بسیاری هستند بدون نیاز به تقسیم یا ساده‌سازی داده‌ها قابل فشرده‌سازی می‌شوند
• ذخیره‌سازی کاربردی و صرفه‌جویی در پهنای باند: کاهش ردپا روی دیسک به‌معنای کاهش حجم فایل نصبی بازی‌ها، پچ‌های کوچک‌تر و افزایش سرعت دانلود خواهد بود

گزارش‌های غیررسمی نشان می‌دهد که شاید سونی برای کاهش حجم بازی‌های پلی استیشن ۶ از Neural Texture Compression استفاده کند.