借助Tensor Core和AI，神經輻射快取技術旨在加快NVIDIA GPU上的路徑追踪速度
在今年的GTC上NVIDIA展示了一種名為Neural Radiance Cache的有趣技術，其目標是藉助AI和GeForce RTX GPU中可用的Tensor Core更快更好地進行路徑追踪。正如您可能根據其名稱猜到的那樣，NRC是一種採用神經網路快取輻射的新方法。最初在研究論文用於Real-time Neural Radiance Caching for Path Tracing中進行了描述，該技術訓練神經網路（使用路徑追踪數據）來預測3D場景中任何點的Radiance 。
開發人員無需跟踪從X點到Y點及以後的完整光線路徑，只需查詢Neural Radiance Cache即可準確估計Radiance 。優勢顯而易見，因為可以更早地終止路徑，從而提高速度（由於減少紋理負載、著色操作和其他節省）和路徑追蹤應用的品質。
作為一項額外福利，Neural Radiance Cache產生的噪聲比常見路徑追踪更少，因為估計的Radiance來自快取。根據在GTC 2023演講中解釋NRC的NVIDIA GeForce開發技術工程師Jakub Boksansky的說法，該技術也非常容易整合，只需要很少的參數並且獨立於材料、燈光、著色器等。最後但同樣重要的是，它在執行時進行訓練，因此默認情況下它支援完全動態的場景。
在實踐中NRC透過執行路徑追蹤器並將輸出數據收集為訓練點來工作。路徑追蹤器也被修改為提前終止96%的路徑，通常在兩次或三次反彈之後，而只有剩餘的4% 的路徑從頭到尾被追蹤。後面的路徑專門用於訓練算法。
消息來源
Neural Radiance Cache據說在全區照明和間接照明方面特別出色，將被添加到即將推出的RTX GI 2.0 SDK中。它將是一個遊戲就緒的API，加上一個易於學習的用戶界面，即使在現有遊戲中也能加快整合速度。
目前NRC僅支援Microsoft 的 DirectX 12，但稍後將添加Vulkan相容性。如本文前面所述Neural Radiance Cache還需要GeForce RTX GPU，因為它依賴於其 Tensor Core來工作。
NRC將提供兩個API，一個是可以整合到現有路徑追蹤器中的核心NRC API，另一個是不需要路徑追蹤器的Diffuse GI API，因為它有一個內建的。在後一種情況下用戶必須提交幾何數據才能接收預測的間接漫反射GI。
頁:
[1]