Ris vs dlss: mikä kuvansiirtotekniikka on parempi?

Tänään puhumme vertailusta RIS vs. DLSS , kaksi tekniikkaa, jotka liittyvät AMD: n ja Nvidian imagoon. On totta, että tämä toinen kohta on saanut enemmän huomiota suurelta osalta yleisöä, mutta emme saa aliarvioida Radeon-kuvan teroitusta . Vaikka niiden toteutukset ovat erilaisia, kiinnostaa meitä, että heidän tehtävänsä ovat samankaltaiset.

Jos ihmettelit, artikkelin pääkuva on vertailu Halo 2 vs. Halo 2 Remastered -kuvista. Visuaalinen parannus ei johdu kummastakaan ohjelmistosta, mutta näyttää siltä, ​​että se liittyy meihin jonkin verran, koska molemmat tekniikat uudistavat ja parantavat kehyksiä.

Sisällysluettelo

Skaalaus- ja kuvanmuokkaustekniikat: RIS vs DLSS

Aloitetaan määrittelemällä, mistä puhumme rajat, eikö? RIS vs. DLSS -vertailussa on otettava huomioon monia asioita, mutta se, mikä kiinnostaa meitä, on molempien ohjelmien tarkoitus.

Meille on selvää, että sekä Radeon-kuvan terävöittäminen että syvän oppimisen supernäytteenotto ovat skaalaus- ja kuvanparannustekniikoita. Jokaisella on kuitenkin erilainen toteutus.

Molemmat tekniikat “pienentävät” annettavan kehyksen kokoa ja parantavat sitten kuvanlaatua, jotta muutos ei ole havaittavissa.

• Ensimmäinen vaihe varmistaa, että sekä grafiikka että prosessori voivat toimia paljon vähemmän työtaakkaa. Loppujen lopuksi kuvan renderointi 1080p: llä on paljon kevyempää kuin sen tekeminen 4K: lla . Toinen vaihe on algoritmi, joka "uudistaa" kuvan siten, että se ei näytä 1080p, vaan esimerkiksi 4K. Useammalla tai vähemmän menestyksellä molemmat algoritmit tekevät tämän kovan työn ja (tai eivät) huijaa silmiämme.

Jos työ tehdään hyvin, käyttäjä nauttii korkeammista kuvaa sekunnin verran samanlaisella kuvanlaadulla. Pahimmassa tapauksessa näemme virheellisiä laskelmia, outoja esineitä ja muita pieniä virheitä.

Mutta kuten jotkut viisaat miehet sanovat: "Paholainen on yksityiskohdissa" . Aivan kuten lepakan siipien ja linnun siipien kanssa, RIS vs. DLSS ovat tekniikoita, joiden tehtävät lähinnä lähentyvät toisiaan, mutta joiden saavuttamistavat eroavat toisistaan. Tästä syystä puhumme erikseen jokaisesta toteutuksesta alla.

AMD: n ratkaisu: Radeon-kuvan teroitus

Teknologia, jonka AMD tuo pelikenttään, on varsin mielenkiintoinen. Se toteutetaan avoimen lähdekoodin työkalun AMD Fidelity FX rinnalla, mikä tarkoittaa, että kaikki videopelit, joihin on asennettu tämä paketti, nauttivat AMD RIS: stä .

Radeon-kuvan teroituksen pääosa on adaptiivinen kontrastin viritysalgoritmi. Sillä on outo nimi, mutta meidän tulee sanoa, että se retusoi ja parantaa kuvia, jotka ovat lähinnä kameraa, samalla kun retusoivat taustoja tuskin. Parannus on havaittavissa joissakin tekstuurien suhteen, ja yleinen kuvanlaatu on erinomainen.

Tämä toiminnallisuus voidaan kuitenkin yhdistää uudelleensuuntaamiseen komponenttien tehon maksimoimiseksi. Joissakin nimikkeissä, kuten Fornite, voimme pienentää resoluutiota alkuperäiseen projektiin.

Ikkunassamme (esimerkiksi 1920 × 1080) meillä voi olla pelin sisäinen resoluutio 100% (1920 × 1080) tai 50% (960 × 540) . Pikselien pienentäminen tekee työstä paljon vaikeampaa ja voimme saada enemmän fps, mutta vastineeksi kuva vaarantuu.

Tästä syystä visuaalisen retusointiosan sekoittaminen pienennetyn kuvan kanssa voi parantaa pelikokemusta huomattavasti.

Toinen huomautettava asia on, että tämä tekniikka on saatavana vain Navi- ja Polaris- grafiikoille, tosin ei kaikissa nimikkeissä. Voimme aktivoida nämä ominaisuudet videopeleissä vain Fidelity FX: n ja DirectX 9: n (vain Navi), DirectX 12: n tai Vulkanin sovellusliittymien avulla .

Se ei ole paras siinä, mutta tärkeä asia on, että se on suuntautunut tulevaisuuteen. Seuraava vaihe, jonka punainen joukkue haluaa suorittaa, on tarjota tukea DirectX 11: lle .

Nvidian ratkaisu : Syvän oppimisen supernäytteenotto

Nvidian keksimä ratkaisu on hiukan erilainen. Se julkistettiin, testattiin ja julkaistiin jonkin aikaa ennen kilpailua, mutta se ei tee siitä vanhempaa. Itse asiassa sanoisimme, että se on päinvastainen.

Syvän oppimisen supernäytteenotto on tekniikka, joka käyttää uutta järjestelmää, joka käyttää Nvidia RTX -grafiikan tekoälyä . Syy on täysin selvä: DLSS käyttää algoritmia, joka perustuu opiskelevan AI : n työhön . Se ei kuitenkaan ole täsmälleen sama algoritmi kuin Radeon Image Sharpening .

DLSS: n tapauksessa supertietokone koulutetaan kuvan koon muuttamiseen.

• Aluksi sinulle annetaan tuhansia kehyksiä esiasetuksen kanssa ja ilman sitä, ja sinua pyydetään oppimaan erojen löytämistä. Sitten sinulle annetaan joukko kuvia keskikokoisella tai pienellä resoluutiolla , jonka kokoa voidaan muuttaa korkealla resoluutiolla. Kuvia verrataan ja jos tulos on samanlainen, algoritmi paranee. Jos siinä on kuitenkin vakavia virheitä, tutkijat korjaavat sen ja yrittävät saada kone luomaan uusia sääntöjä, jotta se toimisi paremmin.

Tämä prosessi toistetaan tuhansia tai miljoonia kertoja päivien tai kuukausien aikana AI: n kouluttamiseksi .

Se korostaa, että vaikka RIS tekee muutoksia kuvan parantamiseksi ja muuttaa kuvia taustalla, tässä se on päinvastoin. Lisäksi hermoverkkojen käyttö antaa tämän prosessin jatkuvan kehityksen, mikä tekee DLSS: stä entistä paremman.

Tässä on video, jossa he vertaa klassista kuvankäsittelyalgoritmia AI- pohjaiseen testausalgoritmiin:

Sillä on kuitenkin haittana, että meillä on tämä tekniikka vain Nvidia RTX -grafiikassa. Tarvitsemalla RT- ytimiä, mikään muu grafiikka ei voi tarjota tätä toimintoa.

Lisäksi tämän ohjelmiston esittelemiseksi emme voi yksinkertaisesti toteuttaa työkalua, kuten kilpailussa. DLSS: n tapauksessa jokaisen tutkimuksen on toteutettava se "manuaalisesti" koodissaan ja jokaisella grafiikkamoottorilla on useita eroja. Tästä syystä DLSS: ää ei ole niin helppo toteuttaa.

RIS vs. DLSS:

Siksi ilmeisin johtopäätös, jonka voimme tarjota sinulle, on, että molemmat tekniikat saavuttavat samanlaisia ​​asioita, mutta niiden tehtävät eivät ole niin samanlaisia.

Haittapuoli on, että nämä kaksi rajoittuvat tuotemerkkeihinsä, joten ei vaikuta siltä, ​​että voisimme nähdä näiden yhdistelmän lähitulevaisuudessa. Siitä huolimatta, käytä käyttämääsi alustaa, sinulla on hyvä tekniikka nojata.

Nykyään komponenttien maailma sekoittuu, ja se on hyvä käyttäjille.

• Suorittimet ovat kokeneet suuren käynnistyksen, joka on horjuttanut suuren Intelin . Toisaalta AMD etenee turvallisella askeleella grafiikan alalla. Lisäksi sininen joukkue valmistelee erillistä grafiikkaansa, joten kukaan ei tiedä mitä tapahtuu.

Kuka tietää, ehkä tulevaisuudessa voimme nähdä RIS vs. DLSS vs. Intel Technology . Tai ehkä voimme nähdä kahden tai kolmen tekniikan yhdistelmän, koska kilpailu saa toisen sävyn.

Olipa se miten tahansa, olemme tässä osoittaneet sinulle suurimman osan eroista näiden kahden uskomattoman tekniikan välillä. Toivomme, että olet ymmärtänyt sen helposti ja että olet oppinut jotain uutta. Lisäksi kehotamme lukemaan ja etsimään tietoa näistä aiheista, koska nämä uudet tekniikat perustuvat erittäin mielenkiintoisiin ideoihin.

Ja sinä, luuletko Intelin astuvan kolmanneksi kilpailijaksi integroidussa grafiikassa? Mikä tekniikka on mielestäsi parempi RIS vs. DLSS ? Jaa ideasi kommenttiruutuun.

AMD RISNvidia DLSS SourceNvidia DLSS FAQ