<div id="mvp-content-main"><br />
    <p>NVIDIA llevaba tiempo trabajando en la <strong>compresión neural de texturas</strong>, <strong>un método de compresión de texturas acelerado por IA</strong> que permite reducir de forma drástica el consumo de memoria gráfica, un recurso que en las tarjetas gráficas más económicas dentro de la gama media suele ser bastante limitado, porque estas cuentan normalmente con 8 GB.</p><br />
<br />
    <h2>Tecnología Prometedora</h2><br />
    <p>Es una tecnología prometedora que forma parte del <strong>renderizado neural</strong> que mostró NVIDIA durante la presentación de las <strong>GeForce RTX 50</strong>, ¿pero realmente es tan interesante como parece? Compusemble ha llevado a cabo una prueba con la demo oficial en un PC actual, y ha confirmado que gracias a la <strong>compresión neural de texturas</strong> es posible <strong>reducir el consumo de memoria gráfica hasta en un 95,8%</strong>.</p><br />
<br />
    <h2>Funcionamiento de la Tecnología</h2><br />
    <p>Esta tecnología de NVIDIA utiliza una red neural <strong>especializada en compresión y descomprensión de texturas</strong> de forma dinámica, es decir, va trabajando según las necesidades del juego o de la aplicación en <strong>tiempo real</strong>. En la demo que se ha utilizado para esta prueba se pueden utilizar tres modos de renderizado diferentes:</p><br />
    <ul><br />
        <li><strong>Materiales de referencia,</strong> que es el modo estándar sin compresión neural de texturas. En este se utilizan las texturas de manera tradicional, lo que aumenta el consumo de memoria gráfica.</li><br />
        <li><strong>Compresión neural de texturas transcodificada a BCn</strong> (formatos comprimidos en bloque). Las texturas se transcodifican al cargar, lo que reduce el consumo de espacio en disco, pero no reduce tanto el consumo de memoria gráfica.</li><br />
        <li><strong>Inferencia sobre la muestra</strong>, que utiliza texturas comprimidas que solo descomprime cuando se necesitan durante el proceso de renderizado, lo que reduce mucho tanto el consumo de espacio en disco como el consumo de memoria gráfica.</li><br />
    </ul><br />
    <p><img decoding="async" class="aligncenter size-full wp-image-375192" src="https://www.muycomputer.com/wp-content/uploads/2025/02/compresion-neural-de-texturas.jpg" alt="compresión neural de texturas" width="1444" height="812" srcset="https://www.muycomputer.com/wp-content/uploads/2025/02/compresion-neural-de-texturas.jpg 1444w, https://www.muycomputer.com/wp-content/uploads/2025/02/compresion-neural-de-texturas-500x281.jpg 500w, https://www.muycomputer.com/wp-content/uploads/2025/02/compresion-neural-de-texturas-630x354.jpg 630w, https://www.muycomputer.com/wp-content/uploads/2025/02/compresion-neural-de-texturas-768x432.jpg 768w" sizes="(max-width: 1444px) 100vw, 1444px"/></p><br />
<br />
    <h2>Impacto en el Consumo de Memoria Gráfica</h2><br />
    <p>Utilizando una <strong>GeForce RTX 4090</strong> con la demo en <strong>4K</strong> y materiales de referencia el consumo de memoria gráfica fue de 272 MB utilizando DLSS. Con el modo BCn el consumo se redujo a 98 MB de memoria gráfica, y con el <strong>modo inferencia</strong> dicho consumo bajó a solo 11,37 MB.</p><br />
    <p>Pasar de un consumo <strong>de 272 MB a solo 11,37 MB supone una diferencia enorme</strong>, de eso no hay ninguna duda, aunque el modo inferencia tuvo cierto impacto en el rendimiento, porque la media de FPS bajó de 1.150 con el modo BCn a 985 FPS con el modo inferencia.</p><br />
<br />
    <h2>Rendimiento y Vectores Cooperativos</h2><br />
    <p>Sin embargo, el impacto a nivel de rendimiento <strong>puede variar mucho</strong> en función de los ajustes utilizados. Por las pruebas que han realizado queda claro que uno de los más importantes son los <strong>vectores cooperativos</strong>, una <strong>API</strong> que permite multiplicar matrices con vectores de tamaño arbitrario, y que hace que sea posible ejecutar tareas de IA en los shaders aprovechando también la potencia de los <strong>núcleos tensor</strong>.</p><br />
    <p>La diferencia que marcan los <strong>vectores cooperativos</strong> en la compresión neural de texturas es tan grande que al desactivarlos el rendimiento puede bajar hasta en un 50%. Con vectores cooperativos activados <strong>la diferencia de rendimiento es mucho menor</strong> y perfectamente asumible teniendo en cuenta la reducción de consumo de memoria gráfica que consigue, así que sí, esta tecnología es perfectamente viable.</p><br />
</div><br />

artículo original de: https://www.muycomputer.com/2025/02/11/la-compresion-neural-de-texturas-de-nvidia-reduce-el-consumo-de-memoria-grafica-en-un-95/