NVIDIA интегрировала поддержку TensorRT в Unreal Engine, что позволяет повысить эффективность нейросетевых вычислений на графических процессорах RTX. Это важно для разработчиков игр и приложений: прирост производительности составляет до 29% по сравнению с другими рендеринг-решениями.
Нейросетевые технологии в геймдеве
Использование нейросетевых методов в компьютерной графике становится стандартом, позволяя улучшать качество изображений и оптимизировать процесс создания контента. Unreal Engine 5 (UE5) реализует это через Neural Network Engine (NNE), который объединяет вычисления нейросетей, позволяя разрабатывать более мощные графические решения.
TensorRT для RTX обеспечивает гибкость и высокую производительность, автоматически оптимизируя AI-модели для конкретных графических процессоров. Это решение подойдет разработчикам, которые хотят ускорить рендеринг пост-обработки или задействовать AI для улучшения опыта пользователей в реальном времени.
Конкретные преимущества и возможности
Тестирование показало, что использование TensorRT в проектах на GPU NVIDIA GeForce RTX 5090 увеличивает производительность на 29% в задачах, связанных с пост-обработкой AI. Это было продемонстрировано с помощью простого уровня в UE5, на котором применялись модели стилевой передачи.
Плагин NNERuntimeTRT, совместимый с NNE, предлагает варианты выполнения как синхронно, так и асинхронно через Render Dependency Graph (RDG). Это особенно эффективно для задач рендеринга и пост-обработки, поскольку сокращает время задержки.
Как это влияет на разработчиков
Для разработчиков в СНГ это означает возможность активно использовать AI в своих проектах с гораздо более высокой эффективностью. С учетом роста интереса к AI и его внедрению в различные области, включая игры и виртуальную реальность, оптимизация инсталляций электроники на RTX становится ключевым преимуществом.
Следующий шаг для разработчиков — изучение возможностей использования NNERuntimeTRT для своих новых проектов в Unreal Engine, что может существенно повысить качество графики и пользовательский опыт.