現代のリアルタイムグラフィックスにおけるアセットの極度の肥大化に伴い、テクスチャデータの効率的な管理は、メモリ帯域幅とストレージ容量の双方においてエンジニアリング上の最優先課題となっている。4Kテクスチャや複雑なPBR（物理ベースレンダリング）マテリアルが標準となる中、従来のブロック圧縮技術（BCn）だけでは、増え続けるVRAM要件とディスク容量の要求に追いつけなくなりつつある。

この物理的限界に対する解答として、Intelは次世代の「Texture Set Neural Compression（TSNC）」技術のスタンドアロンSDK化を発表した。GDC 2025での研究デモから劇的な進化を遂げた本技術は、確率的勾配降下法（SGD）を用いてニューラルネットワークを学習させることで、業界標準であるBC1圧縮を土台としながら、最大18倍という極限の圧縮率を実現する。NVIDIAも同様のニューラルテクスチャ圧縮技術を発表している中、Intelのアプローチは既存のハードウェアアーキテクチャといかに融合し、リアルタイムレンダリングのパイプラインに革新をもたらすのだろうか。

AD

直面する限界とニューラル圧縮の台頭

ゲームエンジンが描画するピクセルあたりのテクスチャ密度が指数関数的に増加する一方で、GPUのVRAM容量とメモリ帯域幅の進化は緩やかな直線的成長に留まっている。このギャップが開発者を悩ませる最大のボトルネックである。高精細なアセットをストレージから継続的にストリーミングしようとすればPCIe帯域が圧迫され、VRAM空間にすべて常駐させようとすればシステム全体のメモリフットプリントが破綻するからだ。

従来の統計的な冗長性排除に依存するアプローチとは異なり、ニューラル圧縮はデータの複雑な性質そのものを「ニューラルネットワークの重み」として学習し、保持する。TSNCは、アルベド、ノーマル、ラフネス等の複数のテクスチャチャンネルを単一のニューラル表現へと統合し、レンダリング時にピクセル単位で元のテクセルデータを復元する。これにより、ストレージからVRAMに至るまでのデータ転送経路全体においてフットプリントを抜本的に削減し、限られたメモリバジェット内で従来をはるかに上回る視覚的忠実度を持つアセット群の展開が可能となる。

BC1の「アップサイクル」による賢明な統合戦略

TSNCのアーキテクチャ設計において特筆すべき点は、データ圧縮の極限を追求するためにまったく新しい独自のフォーマットを構築するのではなく、既存のGPU固定機能である「BC1（Block Compression 1）」の構造を潜在空間のコンテナとして「再利用（アップサイクル）」した点にある。

BC1は、RGBの量子化参照カラーとテクセルごとに割り振られた2ビットウェイトを用いて、48バイトの未圧縮データを僅か8バイトへと削減する、極めて成熟した技術である。TSNCは、このフォーマットに対してMLP（多層パーセプトロン）エンコーダーを通し、元データを低次元の潜在表現へ変換したうえでネットワークのパラメータとともに格納する。

この設計の核心は、既存ハードウェアのパイプラインにおける互換性の維持にある。ニューラルデコードの過程において発生しうる「コールドスタート」による重いデータフェッチのレイテンシを、既存のGPUがハードウェアレベルで実装している強力な固定機能デコンプレッサーを初期段として流用することで徹底的に最小化しているのだ。斬新なMLPアーキテクチャを採用しつつも、インターフェースをハードウェアにとって「馴染み深い」フォーマットへ落とし込むことで、既存エンジンレイヤーへの導入障壁を劇的に低下させるIntelのしたたかな戦略的意図が読み取れる。

AD

フィーチャーピラミッドとハードウェアアライメント

TSNCは、ニューラルパラメータのデータ保持形式として「フィーチャーピラミッド」構造を採用している。これは4つのBC1テクスチャと多段のミップチェーンの組み合わせにより、解像度スケールと知覚品質のバランスを制御するものである。論理的には4つのBC1画像（12チャンネル相当）のみで構成するのに十分なデータ量であるが、TSNCは内部演算において意図的に「16チャンネル」のデータ型を使用している。

これは決して冗長な設計ではなく、現代のGPUハードウェアにおけるSIMD（Single Instruction, Multiple Data）およびベクトルレーンの利用効率を最大化するための、ハードウェア主導の高度な最適化である。16チャンネルをfloat16型の配列やLinear Algebraベクトル型へとマッピングすることで、メモリ帯域を浪費することなく、並列演算スループットの最大化を図る。余剰となる4チャンネルにはアルファ値やアルゴリズム駆動のマスク、あるいは他のカスタムパラメータを自由に割り当てることが可能であり、グラフィックスエンジニアのユースケースに応じた拡張余地を広く残している。

品質と圧縮率のトレードオフ：Variant AとBの選択

Intelは、開発者がリソースバジェットに応じて最適な選択を行うための2つの動作バリアントを提供している。これらは品質の維持と極限のファイルサイズ削減という、相反する要件に対する現実的な運用解である。

「Variant A」は視覚的な忠実度を最優先する高品質モデルである。2つの1:1解像度と2つの1:2解像度のBC1テクスチャで構成され、標準的なBC圧縮と比較して約9倍もの圧縮比率を達成する。NVIDIAの提供する「Flip」ツールを用いた知覚的誤差解析によれば、平均誤差は約5%に抑えられている。ヒストグラム上でもエラー分布が極端に左側（誤差極小）に寄っており、通常のゲームプレイ環境において解凍に伴うアーティファクトを知覚することは極めて困難である。

一方、「Variant B」は効率性を最優先し、圧縮限界を追求したモデルである。解像度を1:1から1:8まで段階的に間引いたピラミッド構造を取り、18倍以上という驚異的なサイズの削減を実現する。このモードではノーマルマップの処理時などにBC1特有のブロックノイズが若干現れ始め、知覚誤差は約7%にまで増大する。しかし、画面奥を占める大量のモブキャラクターや遠景のLODアセット、あるいはメモリ空間の制約が極めて厳しいモバイルデバイス向けの調整基盤として考えれば、この圧倒的な圧縮率は絶大な強みとなる。

AD

柔軟なデプロイメントシナリオとリソース配分の変化

TSNCが現場のエンジニアリングにおける強力なソリューションとなり得る理由の一つは、実行環境のボトルネックに合わせた「4段階の柔軟なデプロイ戦略」を可能にしている点にある。

第一の選択肢である「インストール時展開（Install time）」は、配信サーバーからクライアントへのネットワーク帯域を劇的に削減する。ローカルストレージへインストールされる段階で標準的なフォーマットへ逆変換するため、ロードやレンダリングに対する追加の計算負荷はゼロである。「ロード時展開（Load time）」は、ディスク容量を恒久的に節約しつつ、VRAMへは非圧縮の状態で展開する。

そしてグラフィックスパイプラインの構造を根本から変えうるのが、「ストリーム時展開（Stream time）」と「サンプル時展開（Sample time）」である。後者は、VRAM上でテクスチャを常に超高圧縮のニューラル潜在空間フォーマットで保持し続け、シェーダーがテクセルをサンプリングする「その瞬間」にMLP推論を毎ピクセル実行し復号を行う。これは明らかに、VRAM容量とGPUの演算リソース（ALU/XMX）の等価交換である。ライティングやポストプロセスに使用すべき計算バジェットを先食いしてでもVRAMの絶対的な余裕を担保するのか、という全く新しい天秤がエンジニアに手渡されたことを意味する。

Panther LakeとXMX：専用ハードウェアによる推論加速

ニューラルテクスチャ圧縮をストリーム時展開やサンプル時展開において実用レベルに乗せるためには、MLP推論速度が描画パイプライン全体の致命的なボトルネックとならないよう、極低レイテンシを実現しなければならない。Intelは、「Panther Lake」アーキテクチャに統合された「Arc B390」グラフィックスを用いたマイクロベンチマークを公開し、この最も重い技術的ハードルをクリアしたことを数字で証明した。

C++とHLSLの両方にコンパイル可能なポリグロット・デコンプレッサーAPIを備えたTSNC SDKは、FMA（Fused Multiply-Add）を利用する汎用パスと、MicrosoftのLinear Algebra拡張を通じてIntel XMX（Matrix Extensions）コアをダイレクトに叩くハードウェア加速パスの両方を同時に提供する。また、活性化関数においてもReLUだけでなくSiLUやGeLUを利用可能にし、HDR処理下での画質劣化を防ぐ緻密なケアもなされている。

公表されたベンチマーク結果によれば、ソフトウェア依存のFMAによるピクセルあたり推論時間が0.661ナノ秒であるのに対し、XMXを用いたハードウェア最適化パスでは0.194ナノ秒という驚異的な数値を記録した。これは約3.4倍から4倍の高速化を意味する。このナノ秒オーダーの推論スループットであれば、サンプル時展開を本番環境へ組み込んでもフレームレートの低下を実用レベルの範囲に抑え込める公算が大きい。

次世代レンダリングパイプラインへの示唆

従来のテクスチャ圧縮技術は、主に「限界のストレージ容量」と「展開に要するロード速度」のバランスポイントを探るものであった。しかし、TSNCがグラフィックスエンジンにもたらすパラダイムシフトは、そのパラメータの最前面に「AI推論計算リソースの代償」を挿入し、VRAMというシステム内で最も高価な不動産の利用効率を極限まで高めるという一点に集約される。

NVIDIAに続きIntelがニューラルテクスチャ圧縮の標準化へ向けた実践的なSDK化に乗り出したことで、アセット管理の最適化技術は、ハードウェアベンダー同士の激しい主導権争いを支える最重要レイヤーとなった。しかし、TSNCがゼロからの新規格にこだわらず、BC1のアップサイクルという現実的かつ老獪な構造的アプローチを採用したことで、パイプラインへの浸透速度は当初の予想を大きく上回る可能性がある。高解像度化の重圧とハードウェア投資の限界に挟まれた開発現場にとって、TSNCのアルゴリズムは未来のアセット設計を決定づける強力な羅針盤となるはずだ。

Sources