英特尔推出自研纹理集神经压缩SDK：纹理体积最高缩小18倍

在GDC 2026大会上，英特尔图形工程师Marissa du Bois登台展示了英特尔的神经纹理压缩技术版本。该技术与NVIDIA的NTC非常相似，两者都采用确定性方案。此次演讲是2025年GDC上展示的原型研发项目的后续跟进，关键消息是英特尔现已将该研究产品化为独立的SDK。

纹理集神经压缩（TSNC）本质上是一种更智能的游戏纹理存储方式。传统的GPU块压缩格式（BC1至BC7）使用固定数学规则来减小纹理大小，虽然速度快且 universally supported（普遍支持），但留下了巨大的压缩潜力。TSNC采用根本不同的方法：它使用随机梯度下降训练一个小型神经网络，学习对特定纹理集中的纹理进行编码和解码。结果是得到一个紧凑的潜在空间表示，一个微小的多层感知器可在运行时将其重建为原始的漫反射、法线、粗糙度、金属度、环境光遮蔽和自发光数据。

关键在于，一个纹理集（单个材质的所有PBR贴图）在其通道之间存在大量冗余结构。TSNC以通用块压缩根本无法实现的方式利用这种共享结构。

TSNC压缩方案的核心是特征金字塔，一组跨不同分辨率配置的4个BC1编码潜在空间纹理。英特尔目前提供两种变体，具有不同的质量/压缩权衡：

变体A使用两个全分辨率潜在图像和两个半分辨率潜在图像。对于4K输入纹理，这意味着两个4K和两个2K潜在图像，总计约26.8 MB，而原始未压缩位图为256 MB。这实现了超过9倍压缩，几乎是标准BC块压缩单独实现的4.8倍的两倍。通过NVIDIA的FLIP分析工具测量的感知质量损失约为5%，在实际应用中主要表现为法线贴图的轻微精度损失，其他方面影响不大。

变体B是激进选项。它将潜在图像级联降至原始分辨率的1/2、1/4和1/8，实现超过17倍压缩，是变体A的两倍以上。然而，质量损失更为明显：BC1块效应开始出现在法线贴图和AO/粗糙度通道中，FLIP测得的感知误差约为6-7%。从绝对数值上看这可能很小，但英特尔承认这"足以被观察者注意到"。因此，变体B可能最适合用于远景或次要材质，这些地方的画质损失不太可能被仔细审视。

自去年基于PyTorch的原型研发以来，整个纹理集神经压缩压缩器已使用Slang计算着色器完全重写。此外，无论开发者是在Unreal引擎、自研引擎中工作，还是在CPU上运行解压缩，相同的解压缩器代码都可以针对正确的后端。

在GPU方面，英特尔现在支持微软DirectX 12 Cooperative Vectors API，利用Intel Arc XMX矩阵核心（A系列和B系列GPU均配备）进行硬件加速矩阵推理。对于没有XMX支持的硬件，标准的FMA（融合乘加）回退方案可在CPU和非英特尔GPU上运行。

英特尔的Marissa du Bois详细分析了4种不同的部署策略，每种策略在磁盘空间节省和内存使用之间有不同的权衡：

安装时：以压缩形式分发，安装期间在本地解压缩，纹理以未压缩形式存储在用户驱动器上，节省主要体现在分发带宽上。

加载时：纹理在磁盘上保持压缩，游戏加载时解压缩到显存，减少安装大小和加载期间的显存压力。

流送时：结合纹理流送，纹理按需解压缩，对磁盘和内存都是最佳方案，但增加了运行时推理负载。

采样时：纹理在显存中永久保持压缩，并在着色器中按像素解码，这是显存缩减最激进的选项，具有持续的推理成本。

开发者必须根据其特定用例和底层引擎选择其中一种策略。