پیپس ای ام دی؛ مسیر تازه فشرده سازی عصبی بافت ها

بافت را مانند یک ملودی تصور کنید. مختصات ساده، نغمه‌ای آرام را زمزمه می‌کنند. حالا فرض کنید همان نغمه را روی یک منحنی لیساژوی حلقه‌ای بازآرایی کنید تا ملودی، هارمونیک‌های بسیار بیشتری در خود داشته باشد. پیشنهاد ای‌ام‌دی با نام نمونه‌برداری فرافکنی‌شده با کدگذاری مکانی یا پیپس، در اصل همین ایده را دنبال می‌کند.

چرخشی تازه در کدگذاری مکانی

فشرده‌سازی سنتی بافت عصبی بر بازنمایی‌های عصبی ضمنی یا آی‌ان‌آر تکیه دارد. در این روش، مختصات کم‌بعد بافت به یک پرسپترون چندلایه داده می‌شود و شبکه یاد می‌گیرد جزئیات تصویر را با ردپای حافظه‌ای بسیار کوچک بازسازی کند. کدگذاری مکانی همان چاشنی اصلی ماجراست: این فرایند مختصات را به یک فضای سینوسی با ابعاد بالاتر می‌برد تا پرسپترون چندلایه بتواند جزئیات ظریف را مدل‌سازی کند.

پیپس این ارتقا را از زاویه‌ای تازه بازتعریف می‌کند. به‌جای آنکه هر تعبیه‌سازی سینوسی به‌عنوان یک بردار جداگانه در نظر گرفته شود، رویکرد ای‌ام‌دی این تعبیه‌سازی‌ها را روی نقاطی در امتداد منحنی‌های لیساژو نگاشت می‌کند و سپس رمزگذار یا شبکه را در همان نقاط فرافکنی‌شده نمونه‌برداری می‌کند. نتیجه، یک منیفلد اطلاعاتی گسترده‌تر است که آی‌ان‌آر می‌تواند با آن کار کند. از نظر عملی، مدل می‌تواند محتوای بافت غنی‌تری را بدون تغییر در ستون فقرات شبکه بازنمایی کند.

اما نقطه چالش، هزینه پردازشی است. نمونه‌برداری بیشتر یعنی محاسبات بیشتر و رفت‌وآمد داده‌ای سنگین‌تر در حافظه. آزمایش‌های ای‌ام‌دی روی یک پردازنده گرافیکی ۹۰۷۰ ایکس‌تی این بده‌بستان را با اعداد روشن نشان می‌دهد: تولید یک بافت سه‌کاناله ۱۰۲۴ در ۱۰۲۴ در خط مبنا ۴٫۳۲ میلی‌ثانیه زمان برد. گرید-پیپس این زمان را به ۵٫۴۷ میلی‌ثانیه رساند. نسخه‌ای بهینه‌شده با نام گرید-پینک‌پیپس این جریمه را تا ۴٫۸۶ میلی‌ثانیه کاهش داد، اما همچنان از خط مبنا سریع‌تر نبود. این چرخه‌های اضافه از فرافکنی‌های بیشتر و دسترسی‌های سنگین‌تر به حافظه ناشی می‌شوند که پیپس به آن‌ها نیاز دارد.

این سربار محاسباتی لزوما مانع جدی نیست. بیشتر یک انتخاب طراحی است. اگر اولویت شما بهره‌وری خام در فشرده‌سازی و کاهش فضای ذخیره‌سازی باشد، پیپس یک اهرم تازه در اختیار می‌گذارد. اما اگر اولویت شما رندرینگ بلادرنگ با حساسیت بالا به تاخیر باشد، احتمالا دست‌کم فعلا رمزگذارهای سبک‌تر را ترجیح می‌دهید.

یک جنبه جالب دیگر هم وجود دارد: این ترفند به بافت‌های رنگی محدود نیست. پیپس می‌تواند روی میدان‌های فاصله علامت‌دار یا اس‌دی‌اف نیز اعمال شود؛ همان فناوری‌هایی که زیرساخت بخش مهمی از هندسه مدرن و رندرینگ حجمی را می‌سازند. اس‌دی‌اف‌ها معمولا به شبکه‌های با وضوح بالا نیاز دارند که حافظه ویدیویی را به‌سرعت مصرف می‌کنند. یک آی‌ان‌آر فشرده و بیانگر که وفاداری بصری را حفظ کند، می‌تواند فشار حافظه را در صحنه‌هایی که در حالت عادی به حجم عظیمی از بافرهای بافت و هندسه نیاز دارند، به‌طور محسوس کاهش دهد.

پس آیا پیپس را در درایور بعدی رادئون خواهید دید؟ نه به این زودی. مقاله پژوهشی در آی‌تری‌دی ارائه شده و ایده‌های فنی امیدبخشی را نمایش می‌دهد، اما پذیرش صنعتی معمولا از پژوهش عقب‌تر حرکت می‌کند. انویدیا پیش‌تر برخی ابزارها و دموی عمومی را پیرامون گردش‌کارهای بافت عصبی منتشر کرده است، با این حال هنوز هیچ بازی جریان اصلی با یک خط لوله کامل فشرده‌سازی بافت عصبی عرضه نشده است. مواد عمومی ای‌ام‌دی همچنان آزمایشی و بدون برند مصرفی هستند؛ این شرکت در انتشارات خود به‌جای یک نام بازاری و کاربرپسند، هنوز از اصطلاحات عمومی استفاده می‌کند.

در این میان باید زمینه بزرگ‌تری را هم در نظر گرفت. صنعت همچنان درگیر وضعیتی است که برخی آن را بحران رم می‌نامند. کارت‌های گرافیک میانه دهه با ۸ گیگابایت حافظه هنوز رایج هستند، بنابراین هر تکنیکی که مصرف حافظه را بدون نیاز سخت‌افزاری چشمگیر کاهش دهد، جذابیت عملی دارد. پیپس دقیقا در همین فضا قرار می‌گیرد: فشرده‌سازی بیانگرتر در برابر هزینه محاسباتی بیشتر؛ بده‌بستانی که ممکن است برای استودیوها و موتورهایی که بتوانند فشار پردازنده مرکزی یا گرافیکی را در مقیاس پروژه سرشکن کنند، ارزشمند باشد.

در نهایت، پیپس شبیه یک آزمایش ظریف با پیامدهای کاربردی به نظر می‌رسد. این روش مرز استفاده از کدگذاری مکانی را کمی جلوتر می‌برد و با وام گرفتن بخشی از هندسه و بخشی از پردازش سیگنال، فضای تنفس بیشتری به آی‌ان‌آرها می‌دهد. باید منتظر مقاله‌های بیشتر، بهینه‌سازی‌های بیشتر و انتقال‌های کند و محتاطانه از دموهای آزمایشگاهی به ابزارها و موتورهای بازی‌سازی بود. فعلا پیپس یک ایستگاه جذاب در مسیر خط لوله‌های محتوایی کارآمدتر است، نه یک قابلیت مصرفی آماده و نهایی.