محققان شرکت AMD به تازگی با معرفی روشی جدید در یکی از الگوهای تولید اشیاء سه‌بعدی در کارت‌های گرافیک، توانسته حجم حافظه مصرفی برای نمایش دقیق صحنه‌هایی شامل هزاران درخت را از ۳۸ گیگابایت به ۵۲ کیلوبایت کاهش دهند. این دستاورد، با بهره‌گیری از گراف‌های کاری و گره‌های مش، تحولی عظیم در آینده رندرینگ بلادرنگ ایجاد کرده و می‌تواند قیمت تمام شده کارت‌های گرافیک مخصوص امور گرافیکی و بازی را ده‌ها یا شاید صدها دلار کاهش دهد.
بنابر گزارشی که توسط Toms Hardware منتشر شده، در تازه‌ترین پژوهش ارائه‌شده توسط تیم تحقیق و توسعه AMD، تکنیکی پیشرفته برای تولید رویه‌ای (Procedural Generation) اشیای سه‌بعدی در زمان اجرا معرفی شده که نه‌تنها نقطه عطفی در بهینه‌سازی مصرف حافظه ویدیویی به‌حساب می‌آید، بلکه ساختار پردازش گرافیکی در رندرینگ بلادرنگ را نیز به‌طور بنیادی متحول می‌سازد.
این روش با بهره‌گیری از معماری «گراف‌های کاری» (Work Graphs) و «گره‌های مش» (Mesh Nodes)، مصرف حافظه گرافیکی برای نمایش دقیق یک صحنه سه‌بعدی شامل پوشش انبوهی از درخت‌ها را از حدود ۳۸ گیگابایت به تنها ۵۲ کیلوبایت کاهش داده است؛ عددی که معادل صرفه‌جویی ۶۶۶٬۳۵۲ برابری در مصرف VRAM است.
روش پیاده‌سازی جدید با کنار گذاشتن هندسه سه‌بعدی سنتی
در روش‌های مرسوم رندرینگ، هر شیء سه‌بعدی نیازمند ذخیره ساختار هندسی خود (اعم از مش‌ها، بافت‌ها و داده‌های LOD) در حافظه گرافیکی است. این داده‌ها اغلب شامل چندصد هزار تا چندمیلیون چندضلعی (Polygon) هستند که حجم عظیمی از حافظه را اشغال می‌کنند. اما در رویکرد جدید AMD، اساساً دیگر نیازی به ذخیره هندسه پیش‌محاسبه‌شده وجود ندارد.
در این روش، GPU به‌صورت بلادرنگ با استفاده از مجموعه‌ای از توابع تولید رویه‌ای، ساختار هندسی درخت‌ها را مستقیماً در همان فریم ایجاد می‌کند. تنها داده‌ای که نیاز به نگهداری در VRAM دارد، کدی بسیار فشرده (در حد چند ده کیلوبایت) است که دستورالعمل‌های ساخت درخت را به GPU ارائه می‌دهد.
به بیان دقیق‌تر: اگر همین صحنه با رویکرد هندسی سنتی رندر می‌شد، نیازمند ۳۴.۸ گیگابایت فضای حافظه بود. اما با بهره‌گیری از گراف‌های کاری، همان صحنه با تنها ۵۱ کیلوبایت اجرا شد.
جایگزینی CPU با GPU در زنجیره رندرینگ
گراف‌های کاری (Work Graphs) در معماری جدید DirectX 12 Ultimate، یک قابلیت سطح پایین برای توزیع بار پردازشی در GPU هستند. آنها به GPU اجازه می‌دهند تا وظایف محاسباتی پیچیده را بدون نیاز به CPU به خود اختصاص دهد و دستورات ترسیم را به‌صورت مستقیم برنامه‌ریزی و اجرا کند.
این ساختار جایگزین مدل سنتی «ارسال دستور از CPU به GPU» شده و بهره‌وری بسیار بالاتری را در حجم کاری سنگین به همراه دارد. در همین راستا، گره‌های مش به‌عنوان توسعه‌ای از این قابلیت، امکان اجرای کامل فرآیندهای ایجاد مش، محاسبه LOD و فراخوانی دستورهای ترسیم را در خود GPU فراهم می‌کنند.
تیم AMD در خصوص روش مذکور این‌گونه توضیح می‌دهد:
درخت‌هایی که در گذشته برای رندرینگ‌شان به ده‌ها گیگابایت VRAM نیاز داشتند، اکنون با استفاده از تنها چند کیلوبایت دستورالعمل قابل تولید بلادرنگ روی GPU هستند. این تکنیک نه‌تنها حجم حافظه را به‌شدت کاهش می‌دهد، بلکه راندمان پردازش گرافیکی را نیز تا چند برابر افزایش می‌دهد.
جایگاه این نوآوری در آینده پردازش گرافیکی
این فناوری تنها محدود به درختان یا پوشش گیاهی نیست. از منظر معماری موتورهای گرافیکی، اجرای تولید رویه‌ای اشیاء در GPU به‌وسیله گراف‌های کاری و گره‌های مش، نوید ساختارهای نوینی را برای طراحی موتورهای نسل بعدی می‌دهد که عمدتاً وابستگی به CPU نخواهند داشت.
باید به این نکته اشاره کنیم که شرکت‌هایی مانند NVIDIA نیز در حال توسعه فناوری‌های موازی نظیر فشرده‌سازی عصبی بافت‌ها (Neural Texture Compression) هستند تا بار حافظه گرافیکی را در بخش بافت‌ها کاهش دهند. اما روش AMD مزیتی کلیدی دارد: مبتنی بر الگوریتم‌های صریح قابل اجرا بر روی تمامی GPUهای مدرن بوده و وابسته به واحدهای پردازش عصبی (NPU) یا سخت‌افزار خاص نیست.
کاربردهای آینده و مزایای محاسباتی
اما اگر برای شما هم این سوال مطرح شده که عمده کاربردهای این روش جذاب تحلیل و پردازش گرافیکی چیست باید بگوییم که کاهش مصرف VRAM می‌تواند تحول گسترده‌ای در بازی‌های سبک Open World و البته پروژه‌های طراحی صنعتی (CAD) داشته باشد.
همچنین پردازش چندصد هزار شیء پویا بدون افت فریم یا افزایش بار حافظه در هر صحنه‌ای که باشد نیاز به سخت‌افزارهای فوق قدرتمند نداشته و حتی می‌توان آنها را روی iGPUها هم انجام داد. مضاف بر این استفاده از روش رندرینگ رویه‌ای جدید موجب تسهیل تولید محیط‌های شبه‌واقعی با جزئیات زیاد، بدون نیاز به تیم‌های بزرگ مدل‌سازی سه‌بعدی است که می‌تواند در پروژه‌های آموزشی دنیای واقعی و حتی صنایع نظامی نیز بسیار پرکاربرد باشد.
در انتها باید متذکر شویم که شرکت AMD هنوز زمان رسمی برای ارائه تجاری این فناوری و استفاده عموم از آن اعلام نکرده است.
source