AMD revela DGFS SuperCompression: reduz geometria 3D em até 22% e libera DGF SDK 1.2 para rodar em GPUs sem suporte nativo
Nova versão do SDK traz Dense Geometry Format SuperCompression, arquivo mais compacto e compatibilidade com DirectX 12 e Vulkan
A AMD apresentou oficialmente o Dense Geometry Format SuperCompression (DGFS), uma camada adicional de compactação para o formato DGF focado em reduzir o espaço de armazenamento de malhas 3D muito detalhadas. A novidade chega embalada no DGF SDK 1.2, que permanece open source e compatível com todas as fabricantes de GPU por meio de DirectX 12 e Vulkan.
O que é DGF e como o DGFS se encaixa
O Dense Geometry Format (DGF) é um esquema baseado em blocos desenvolvido pela AMD para comprimir geometria densa — ou seja, modelos com milhões de triângulos usados em aplicações de ray tracing e gráficos de alta fidelidade. Pensado originalmente para implementações nativas em hardware futuro, o DGF também funciona por software via SDK.
O DGFS atua como uma camada de armazenamento ainda mais compacta para os dados DGF. Ele reconstrói com precisão os blocos originais e oferece a possibilidade de decodificar os dados para buffers convencionais, permitindo que os mesmos assets rodem em GPUs que não têm suporte nativo ao DGF. Em resumo: arquivos menores hoje, compatibilidade ampla e caminho de evolução para hardware futuro.
Resultados de compressão e exemplos práticos
Dados divulgados pela AMD mostram reduções significativas de tamanho com o DGFS em relação aos dados DGF brutos. Em alguns exemplos, o arquivo ficou cerca de 30% menor: o modelo Dragon caiu de 29,25 MB para 20,15 MB, enquanto o modelo Statuette foi de 40,99 MB para 29,31 MB.
Quando combinada com a compressão GDeflate, a cadeia permanece vantajosa: o DGFS continua em média cerca de 20% menor que o DGF, com casos reportados de até 22,22% de redução. Esses ganhos se traduzem em menos uso de armazenamento e memória, além de possíveis melhorias nos tempos de carregamento.
Desempenho de decodificação: CPU e GPU
A AMD publicou tempos de decodificação obtidos em um sistema de teste com Ryzen 9 7950X, 64 GB de DDR5-6000 e Radeon RX 9070 XT. Um modelo Statuette com aproximadamente 10 milhões de triângulos decodificou para meshlets em cerca de 0,15 segundos. A decodificação de blocos DGF levou 0,22 segundos. Esses números foram obtidos usando um único núcleo de CPU; a AMD também aponta que decodificadores baseados em GPU são viáveis e podem acelerar ainda mais o processo.
Um ponto importante: o funcionamento em placas RDNA4 indica que a tecnologia não ficará restrita a futuras gerações de silício. GPUs atuais podem usar seus recursos de processamento geral para traduzir os dados compactados em formatos que já entendem, atuando como uma ponte até que o suporte nativo ao DGF se torne comum.
Comparação com NVIDIA RTX Mega Geometry e impacto prático
Embora existam semelhanças conceituais com soluções como o NVIDIA RTX Mega Geometry, as abordagens têm propósitos distintos. O DGF e o DGFS focam em compactação e economia de espaço para armazenar geometria densa; já o RTX Mega Geometry organiza a geometria em agrupamentos pensados para acelerar o processamento da GPU. As tecnologias não são diretamente compatíveis, mas ambas buscam tornar viável o uso de malhas extremamente detalhadas em tempo real.
Na prática, o DGFS promete benefícios imediatos: arquivos menores, carregamentos mais rápidos e compatibilidade com hardware atual via decodificação por software ou GPU. Como o SDK é open source, a expectativa é que desenvolvedores e engines adotem a solução, preparando conteúdo que aproveite tanto as GPUs atuais quanto futuras que ofereçam suporte nativo ao DGF.
Fonte dos dados: AMD (divulgação) e VideoCardZ. Compartilhe sua opinião sobre a novidade e acompanhe as próximas atualizações no DGF SDK e na adoção pelas principais engines e estúdios.
