Ris vs dlss: ποια είναι η τεχνολογία αλλαγής εικόνας καλύτερη;

Σήμερα θα μιλήσουμε για τη σύγκριση μεταξύ RIS vs DLSS , δύο τεχνολογιών που σχετίζονται με την εικόνα της AMD και της Nvidia , αντίστοιχα. Είναι αλήθεια ότι αυτό το δεύτερο έχει λάβει περισσότερη προσοχή από ένα μεγάλο μέρος του κοινού, αλλά δεν πρέπει να υποτιμούμε το Radeon Image Sharpening . Παρόλο που οι υλοποιήσεις τους είναι διαφορετικές, αυτό που μας ενδιαφέρει είναι ότι τα καθήκοντά τους είναι παρόμοια.

Σε περίπτωση που αναρωτιέστε, η κύρια εικόνα του άρθρου είναι μια σύγκριση των εικόνων του Halo 2 vs Halo 2 Remastered. Η οπτική βελτίωση δεν οφείλεται σε κανένα από τα δύο λογισμικά, αλλά μοιάζει να σχετίζεται κάπως με εμάς, καθώς και οι δύο τεχνολογίες αναγεννούν και βελτιώνουν τα πλαίσια.

Ευρετήριο περιεχομένων

Τεχνολογίες μετασχηματισμού και ρετουσάρισμα εικόνας: RIS vs DLSS

Ας ξεκινήσουμε καθορίζοντας πού είναι τα όρια αυτού που μιλάμε, έτσι; Στη σύγκριση RIS vs DLSS υπάρχουν πολλά πράγματα που πρέπει να εξεταστούν, αλλά αυτό που μας ενδιαφέρει περισσότερο είναι ο σκοπός και των δύο προγραμμάτων.

Αυτό που είναι ξεκάθαρο για εμάς είναι ότι τόσο η Radeon Image Sharpening όσο και η Super Sampling σε βαθιά εκμάθηση είναι τεχνολογίες ανακατασκευής και βελτίωσης εικόνας. Ωστόσο, ο καθένας έχει διαφορετική εφαρμογή.

Και οι δύο τεχνολογίες "μειώνουν" το μέγεθος του πλαισίου που πρόκειται να αναπαραχθεί και, στη συνέχεια, βελτιώνουν την ποιότητα της εικόνας, έτσι ώστε να μην παρατηρείται αυτή η αλλαγή.

• Το πρώτο βήμα εξασφαλίζει ότι τόσο τα γραφικά όσο και ο επεξεργαστής μπορούν να λειτουργούν με πολύ μικρό φόρτο εργασίας. Μετά από όλα, η απόδοση μιας εικόνας στο 1080p είναι μια πολύ ελαφρύτερη εργασία από την απόδοση σε 4K . Το δεύτερο βήμα είναι ένας αλγόριθμος που «αναγεννάει» την εικόνα έτσι ώστε να μην μοιάζει με 1080p, αλλά με 4K, για παράδειγμα. Με περισσότερη ή λιγότερη επιτυχία, και οι δύο αλγόριθμοι κάνουν αυτή τη σκληρή δουλειά και (ή όχι) ξεγελάσουν τα μάτια μας.

Αν η εργασία γίνει καλά, ο χρήστης απολαμβάνει υψηλότερες καμπύλες ανά λεπτό με ίδια ποιότητα εικόνας. Στη χειρότερη περίπτωση θα δούμε λανθασμένες εκτιμήσεις, περίεργα αντικείμενα και άλλα μικρά σφάλματα.

Αλλά όπως λένε μερικοί σοφοί «ο διάβολος βρίσκεται στις λεπτομέρειες» . Ακριβώς όπως τα φτερά ενός νυχτερίδας και των πτερυγίων ενός πουλιού, τα RIS vs DLSS είναι τεχνολογίες των οποίων τα καθήκοντα συγκλίνουν κυρίως, αλλά των οποίων οι τρόποι επίτευξής τους αποκλίνουν. Για αυτόν τον λόγο, θα μιλήσουμε ξεχωριστά για κάθε εφαρμογή παρακάτω.

Λύση της AMD : Βελτίωση εικόνας Radeon

Η τεχνολογία που φέρνει η AMD στο πεδίο παιχνιδιού είναι αρκετά ενδιαφέρουσα. Εφαρμόζεται παράλληλα με το εργαλείο ανοιχτού κώδικα AMD Fidelity FX , το οποίο σημαίνει ότι οποιοδήποτε βιντεοπαιχνίδι με αυτό το πακέτο θα εγκατασταθεί θα απολαύσει το AMD RIS .

Το κύριο τμήμα του Radeon Image Sharpening είναι ο προσαρμοστικός αλγόριθμος συντονισμού αντίθεσης. Έχει ένα παράξενο όνομα, αλλά έρχεται να μας πει ότι retouch και βελτιώνει τις εικόνες που βρίσκονται πιο κοντά στην κάμερα, ενώ σχεδόν δεν ρετούς το φόντο. Η βελτίωση είναι εμφανής σε μερικές υφές και η συνολική ποιότητα εικόνας είναι εξαιρετική.

Ωστόσο, αυτή η λειτουργικότητα μπορεί να συνδυαστεί με ανακατάταξη για μεγιστοποίηση της ισχύος των στοιχείων μας. Σε ορισμένους τίτλους, όπως το Fornite, μπορούμε να μειώσουμε το ψήφισμα ώστε να εκδηλωθεί εγγενώς.

Στο παράθυρό μας (για παράδειγμα, 1920 × 1080) μπορούμε να έχουμε ανάλυση εντός παιχνιδιού 100% (1920 × 1080) ή 50% (960 × 540) . Η μείωση των εικονοστοιχείων καθιστά τη δουλειά πολύ λιγότερο σκληρή και ότι μπορούμε να πάρουμε περισσότερα fps, αλλά σε αντάλλαγμα η εικόνα υπονομεύεται.

Για το λόγο αυτό, η ανάμειξη του τμήματος οπτικής ρετουσάρωσης μαζί με μια εικόνα με κλιμάκωση μπορεί να βελτιώσει σημαντικά την εμπειρία του παιχνιδιού.

Ένα άλλο σημείο που πρέπει να σημειωθεί είναι ότι αυτή η τεχνολογία είναι διαθέσιμη μόνο για γραφικά Navi και Polaris , αν και όχι σε όλους τους τίτλους. Μπορούμε μόνο να ενεργοποιήσουμε αυτές τις λειτουργίες σε παιχνίδια βίντεο με Fidelity FX και APIs DirectX 9 (μόνο Navi), DirectX 12 ή Vulkan .

Δεν είναι το καλύτερο που υπάρχει, αλλά το σημαντικό είναι ότι είναι προσανατολισμένο για το μέλλον. Το επόμενο βήμα που θέλει η κόκκινη ομάδα είναι να προσφέρει υποστήριξη για το DirectX 11 .

Λύση της Nvidia: Βαθιά δειγματοληψία βαθιάς εκμάθησης

Η λύση που έχει καταλήξει η Nvidia είναι κάπως διαφορετική. Ανακοινώθηκε, δοκιμάστηκε και απελευθερώθηκε λίγο πριν από τον διαγωνισμό, αλλά αυτό δεν την καθιστά πιο χρονολογημένη. Στην πραγματικότητα, θα λέγαμε ότι είναι το αντίθετο.

Η Deep Learning Super Sampling είναι μια τεχνολογία που χρησιμοποιεί το νέο σύστημα που χρησιμοποιεί πυρήνες της Τεχνητής Νοημοσύνης από τα γραφικά Nvidia RTX . Ο λόγος είναι αρκετά σαφής: το DLSS χρησιμοποιεί έναν αλγόριθμο που βασίζεται στο έργο ενός AI που μαθαίνει. Ωστόσο, δεν είναι ακριβώς ο ίδιος αλγόριθμος με τον Radeon Image Sharpening .

Στην περίπτωση του DLSS , ένας υπερυπολογιστής εκπαιδεύεται για την αλλαγή μεγέθους των εικόνων.

• Αρχικά σας δίδονται χιλιάδες καρέ με και χωρίς antialiasing και ζητήσατε να μάθετε πώς μπορείτε να βρείτε τις διαφορές, τότε σας δίνεται ένα σύνολο εικόνων σε μεσαία ή χαμηλή ανάλυση για να αλλάξετε το μέγεθος σε υψηλή ανάλυση. Οι εικόνες συγκρίνονται και αν το αποτέλεσμα είναι παρόμοιο, ο αλγόριθμος βελτιώνεται. Ωστόσο, αν έχει σοβαρά σφάλματα, οι ερευνητές το διορθώνουν και προσπαθούν να κάνουν το μηχάνημα να δημιουργήσει νέους κανόνες για να το κάνει καλύτερα.

Αυτή η διαδικασία επαναλαμβάνεται χιλιάδες ή εκατομμύρια φορές σε ημέρες ή μήνες για την εκπαίδευση του AI.

Επισημαίνει ότι ενώ το RIS κάνει αλλαγές για να βελτιώσει την εικόνα και ανακατασκευάσει εικόνες στο παρασκήνιο, εδώ είναι ακριβώς το αντίστροφο. Επιπλέον, η χρήση των Νευρωνικών Δικτύων επιτρέπει τη συνεχή εξέλιξη αυτής της διαδικασίας, καθιστώντας το DLSS λειτουργικότερο και καλύτερο.

Ακολουθεί ένα βίντεο όπου συγκρίνουν έναν κλασικό αλγόριθμο επεξεργασίας εικόνας με έναν αλγόριθμο δοκιμής που βασίζεται σε AI :

Ωστόσο, έχει το μειονέκτημα ότι έχουμε μόνο αυτή την τεχνολογία σε γραφικά Nvidia RTX . Χρειάζοντας τους RT πυρήνες, κανένα άλλο γραφικό δεν μπορεί να προσφέρει αυτή τη λειτουργικότητα.

Επιπλέον, για να εισαγάγουμε αυτό το λογισμικό, δεν μπορούμε απλά να εφαρμόσουμε ένα εργαλείο, όπως στον ανταγωνισμό. Στην περίπτωση του DLSS, κάθε μελέτη πρέπει να το εφαρμόσει "με το χέρι" στον κώδικα τους και για κάθε μηχανή γραφικών υπάρχουν αρκετές διαφορές. Για το λόγο αυτό, το DLSS δεν είναι τόσο εύκολο να εφαρμοστεί.

RIS vs DLSS:

Ως εκ τούτου, το πιο προφανές συμπέρασμα που μπορούμε να σας προσφέρουμε είναι ότι και οι δύο τεχνολογίες επιτυγχάνουν παρόμοια πράγματα, αλλά τα καθήκοντά τους δεν είναι τόσο παρόμοια.

Το μειονέκτημα είναι ότι οι δύο περιορίζονται στα εμπορικά σήματα τους, οπότε δεν φαίνεται να μπορούμε να δούμε ένα συνδυασμό και των δύο στο εγγύς μέλλον. Παρ 'όλα αυτά, χρησιμοποιήστε την πλατφόρμα που χρησιμοποιείτε, θα έχετε μια καλή τεχνολογία για να στηρίξετε.

Σήμερα, ο κόσμος των εξαρτημάτων αναδεύεται και αυτό είναι καλό για τους χρήστες.

• Οι CPU έχουν βιώσει μια μεγάλη εκτόξευση που έχει αποσταθεροποιήσει τη μεγάλη Intel . Από την άλλη πλευρά, η AMD προχωρεί με ένα ασφαλές βήμα στον τομέα των γραφικών. Επίσης, η μπλε ομάδα ετοιμάζει τα διακριτά γραφικά της, έτσι κανείς δεν ξέρει τι θα συμβεί.

Ποιος ξέρει, ίσως στο μέλλον μπορούμε να δούμε RIS εναντίον DLSS εναντίον Intel Technology . Ή ίσως μπορούμε να δούμε ένα συνδυασμό των δύο ή τριών τεχνολογιών, επειδή ο ανταγωνισμός παίρνει μια άλλη απόχρωση.

Όσο και αν είναι, εδώ σας έχουμε δείξει την πλειοψηφία των διαφορών μεταξύ αυτών των δύο απίστευτων τεχνολογιών. Ελπίζουμε ότι το έχετε καταλάβει εύκολα και ότι έχετε μάθει κάτι νέο. Επιπλέον, σας ενθαρρύνουμε να διαβάσετε και να αναζητήσετε πληροφορίες σχετικά με αυτά τα θέματα, καθώς αυτές οι νέες τεχνολογίες βασίζονται σε πολύ ενδιαφέρουσες ιδέες.

Και εσείς, πιστεύετε ότι η Intel θα καθιερωθεί ως ο τρίτος διαγωνισμός σε ολοκληρωμένα γραφικά; Ποια τεχνολογία νομίζετε ότι είναι καλύτερη RIS vs DLSS ; Μοιραστείτε τις ιδέες σας στο πλαίσιο σχολίων.

AMD RISNvidia DLSS Πηγή FAQNvidia DLSS FAQ