- AMD FidelityFX Super Resolution nostetaan kilpailijaksi DLSS: lle, joka alkaa kahdella etulla. Ensinnäkin se vaatii vaatimatonta laitteistoa toimiakseen ja on yhteensopiva useampien pelien ja näytönohjainten kanssa, koska se ei luota päättelyalgoritmeihin. Mutta miten AMD FidelityFX Super Resolution toimii?
AMD FSR on mullistanut GPU viime viikkojen maisemassa, ei vain kilpailemalla NVIDIADLSS tarjoaa korkeamman resoluution kuvia käyttämällä vähemmän resursseja. Jos ei myöskään sen avoimen luonteen vuoksi, joka mahdollistaa sen toteuttamisen missä tahansa GPU: ssa sen arkkitehtuurista riippumatta.
Mitä ovat Super Resolution -algoritmit?
Supertarkkuusalgoritmeista on tullut erittäin suosittuja viime aikoina, erityisesti niissä, jotka käyttävät konvoluutiovaiheisia hermoverkkoja, kuten NVIDIAn DLSS. AMD -ratkaisun erityispiirteet? Se, että se ei perustu tekoälyyn, eikä sitä siksi tarvitse kouluttaa saman pelin aiemmilla kuvilla. Koska konvoluution hermoverkko tietokonenäköä varten, se oppii sarjan yhteisiä malleja rekonstruoinnin suorittamiseksi.
AMD FidelityFX Super Resolutionin käyttämän menetelmän etuna DLSS: ään verrattuna sen käyttöönotto missä tahansa pelissä on se, että tekoälyllä ei ole taipumusta uusien kuvien luomisessa. Käsitteen ymmärtämiseksi meidän on vain kuviteltava, että koulutamme tekoälyn, jossa on joukko kuvia, joilla on yhteinen artefakti tai kuvavirhe. Sitten teemme tekoälyn toistamaan nämä kuvat tai niiden muunnokset. Kuinka AI: n oppimisvaiheen aikana opittu taipumus oppia nämä kuvavirheet toistaa ne mainitun kuvavirheen kanssa.
Tämä aiheuttaa sen, että tekoälyyn perustuvassa superresoluutiojärjestelmässä voit tehdä johtopäätöksiä, jotka eivät ole tarkkoja. Siksi NVIDIAn DLSS -pelit tulevat ulos kontrolloidusti ja pudottamalla, kun taas FidelityFX Super Resolution on algoritmi, jota voidaan soveltaa mihin tahansa peliin.
FidelityFX Super Resolution on spatiaalinen eikä ajallinen algoritmi
AMD: n valitsema menetelmä perustuu nykyisen kehyksen ja vain nykyisen kehyksen tietojen ottamiseen, joten se eroaa muista kuvan resoluution skaalausmenetelmistä, kuten Checkerboard renderöinnistä. luoda nykyisen kehyksen korkeamman resoluution version, se etenee osittain edellisestä kehyksestä. Siten siitä puuttuu ajallisuus, ja se ottaa kehystiedot pienemmällä resoluutiolla kuin GPU on juuri luonut korkeamman resoluution version luomiseksi kuvasta.
Mutta mitä tarkoitamme päätöslauselmalla? No, sen muodostavien pikselien lukumäärään, joten kun lisäämme kuvan resoluutiota, lisäämme niiden määrää, jolloin syntyy uusia pikseleitä, jotka vievät tilaa, mutta joiden värin arvoa emme tietää. Yksinkertaisin ratkaisu? Käytä interpolointialgoritmeja, jotka perustuvat puuttuvien pikselien maalaamiseen väreillä, jotka ovat puolivälissä naapuripikseleitä. Mitä enemmän vierekkäisiä pikseleitä otat lähdetiedoiksi, sitä tarkemmat tiedot ovat.
Ongelmana on, että raaka interpolointi ei ole riittävän hyvä eikä sitä käytetä, tuloksena olevien kuvien laatu on erittäin heikko ja eroaa usein todellisuudesta. Nykyään useimmat kuvankäsittelyohjelmat käyttävät tekoälyalgoritmeja versioiden luomiseen suuremmalla resoluutiolla. Jos keskitymme jo yksinomaan FidelityFX Super -tarkkuuteen, sen menetelmä puuttuvien pikselien tietojen saamiseksi ei perustu suoraan interpolointiin, vaan on monimutkaisempi.
Tämä lisää AMD FidelityFX Super Resolution -tarkkuutta
Pidämme kiinni AMD: n antamasta virallisesta selityksestä, jonka lainaamme alla:
FidelityFX Super Resolution koostuu kahdesta päävaiheesta.
Mikä muuttuu kahdeksi peräkkäiseksi algoritmiksi, jotka suoritetaan peräkkäin tai pikemminkin silloin, kun toinen vie ensimmäisen tuottaman tiedon. Katsotaanpa, mitä kukin näistä vaiheista on.
Skaalauskortti nimeltä EASU (reuna Adaptive Spatial Up Sampling), joka suorittaa myös reunan rekonstruktion. Tässä vaiheessa syöttökehys analysoidaan ja algoritmin pääosa havaitsee kaltevuuden kääntämisen tarkastellen lähinnä sitä, miten naapurigradientit eroavat tulopikselien joukosta. Liukuvärien vaihtamisen voimakkuus määrittää painot, joita käytetään rekonstruoiduissa pikseleissä näytön tarkkuudella.
Jotta voisimme ymmärtää lainauksen, ensimmäinen asia, joka meidän on tiedettävä, on se, mitä kuvan reunan havaitsemisen selitys viittaa. Tätä varten on tehty mustavalkoinen versio viimeisestä kehyksestä, joka on RGB -muodossa. Joten on tehty lisäämällä kunkin kanavan arvot ja jakamalla 3, jotta saadaan arvo mustavalkoisessa kuvassa. Jos jätämme harmaasävyiseen kuvaan vain puhtaan valkoiset, FFFFFF tai puhtaasti mustat 00000 -arvot, saamme kuvan, joka rajaa reunat.
AMD FidelityFX Super -resoluutiolla se suorittaa reunatunnistuksen avulla luodun kuvan lähtöresoluutiolla, joka on paljon korkeampi kuin alun perin renderöity, mutta joka vastaa tulostustarkkuutta, jonka haluat saavuttaa. Kaikki tämä yhdistetään kuvapuskuriin, joka tallentaa kunkin pikselin kaltevuuden muutokset. Mikä mittaa värin voimakkuuden muutoksia pikselien välillä. Nämä tiedot yhdistetään perinteiseen interpolointiin, jolloin saadaan kuva suuremmalla resoluutiolla.
Teroitusvaihe nimeltä RCAS (Robust Contrast Adaptive Sharpening), joka poimii pikselin yksityiskohdat parannetusta kuvasta.
Ensimmäisessä vaiheessa luotua kuvaa parantaa kontrastin mukautuvan terävyyden muokattu versio, ja lopputulos on kuva puolivälissä puhtaan ja kovan interpoloinnin ja tekoälyn välillä.
