FidelityFX Super Resoluutio vs Deep Learning Supersampling

Viime vuosina PC-videopelien reaaliaikaisen grafiikan trendi on siirtynyt useaan eri suuntaan. Ensinnäkin meillä on 4K, jotka vaativat kaistanleveyksiä ja laskentatehoa 4 kertaa suurempaa kuin 1080p ja 2.5 kertaa suurempaa kuin 1440p. Sitten meillä on hiljattain ilmestynyt Ray Tracing, joka vaatii suurta laskentatehoa, jotta pelien valaistus saadaan mahdollisimman ilmeiseksi. Ja lopuksi eSportin kehysnopeus on korkea.

Kaikki tämä on johtanut algoritmeihin, jotka mahdollistavat pelien lähtöresoluution lisäämisen alkuperäiseen, jälkimmäinen ymmärretään tarkkuudella, jolla GPU renderöinti ja näytöllä näkyvä ulostulotarkkuus pikselimääränsä suhteen. Viimeisin lisäys on AMD Fidelity FX Super -resoluutio, joka yhdistää NVIDIA: n Deep Learning Supersampling- ja Checkerboard-renderöinnin edistyneeksi algoritmiksi kuin interpolointi paremman resoluution kuvan saavuttamiseksi pienemmällä tarkkuudella.

FidelityFX: n superresoluutio ja Deep Learning -supernäyte

AMD Fidelity FX Super Resolution on algoritmi, joka on vastuussa kuvan puskurin ottamisesta tietyllä resoluutiolla ja sen luomisesta kuvan, joka on yhtä suuri ja siten suurempi pikselimäärä. Tämäntyyppisten algoritmien haasteena on tietää uusien pikselien väri-arvo.

FidelityFX Super Resoluutio muistuttaa toiminnassaan Deep Learning Supersampling 1.9: ta, jonka NVIDIA lanseerasi Remedy Control -videopelille, siinä mielessä, että sitä ei ole tarkoitettu toimimaan NVIDIA: lle yksinomaisen Tensor Core -järjestelmän kanssa, vaan toimii pikemminkin perinteisten SIMD-yksiköt ja erityisesti se hyödyntää SIMD: n rekisteröintiä, joka joillakin GPU: illa on. Tämän kyvyn avulla he voivat kaksinkertaistaa laskentanopeuden vastineeksi tarkkuuden vähentämisestä samalla määrällä.

Toisin kuin NVIDIA: n ratkaisu, se ei ole oma ratkaisu, jota ei ole dokumentoitu. AMD julkaisee koodin MIT: n avoimen lisenssin alla ja sitä voidaan käyttää sekä AMD: ssä että Intel ja NVIDIA-näytönohjaimet. Koska kyseessä on avoimen lähdekoodin lisenssi, kehittäjät voivat tehdä muutoksia koodiin optimoidakseen sen kunkin arkkitehtuurin erityispiirteiden mukaan.

Jälkimmäinen on kaksiteräinen miekka, koska toisaalta AMD pyyhkii kätensä kuten Pontius Pilate FidelityFX Super Resolution -pelien tuella ja toisaalta se mahdollistaa suuremman optimoinnin kuin NVIDIA sallii Deep Learning Supersamplingilla, mutta riippuen kunkin pelin kehittäjän osallistumisesta. Sen sijaan NVIDIA: lla on koko osasto, joka vastaa työskentelystä eri kehittäjien hyväksi

Onko AMD FidelityFX Super Resoluutio tekoälyalgoritmi, kuten Deep Learning Supersampling?

Deep Learning Supersampling on nimensä mukaisesti algoritmi tai algoritmisarja, joka perustuu syvään oppimiseen, johon sisältyy harjoittelujakso, jotta saadaan aikaan kutsumamme päättelyalgoritmi. AMD: n tapauksessa, vaikka tiedämme, että heille annettu patentti, jossa syvään oppimiseen perustuva algoritmi tarkkuuden lisäämiseksi, ei ole AMD FidelityFX Super Resolution -tapausta, koska se ei ole Deep Learning -algoritmi.

Tämä johtuu siitä, että AMD-näytönohjaimilla ei ole erikoistuneita asemia, jotka nopeuttavat Deep Learning -algoritmeja. Ne ovat yleensä matriisitoiminnoille optimoituja laskentayksiköitä, jotka ovat yleisiä useimmissa Deep Learning -algoritmeissa.

On selvennettävä, että tekoälyn algoritmit voidaan suorittaa minkä tahansa tyyppisissä prosessointiyksiköissä, olipa skalaari, SIMD tai matriisi. Normaali asia on ajatella, että FidelityFX Super Resolution -ratkaisun tuleva versio optimoidaan tämän tyyppisille yksiköille, kun AMD sisältää matriisien laskemiseen suunniteltuja yksiköitä, mutta tällä hetkellä meillä on algoritmi, joka ei käytä niitä. .

Koska AMD FidelityFX Super Resolution ei ole tekoälyn algoritmi, sitä ei tarvitse etukäteen kouluttaa, mikä tarkoittaa välitöntä yhteensopivuutta kaikissa peleissä, mutta valitettavasti tämä tarkkuuden lisäämiseksi tarkoitettu algoritmi eroaa paitsi NVIDIA Deep Learning Supersamplingista olemalla syvä oppimisalgoritmi, mutta myös ajallisuus puuttuu, mikä sinänsä on ongelma algoritmin kuvanlaadun suhteen.

Kuinka AMD FidelityFX Super Resolution toimii?

Kuten edellisessä osassa keskustelimme, korkeamman resoluution kuvan uudelleen rakentamiseksi AMD FSR vaatii toimiakseen yhden kehyksen, josta luodaan korkeamman resoluution versio. Joten se on tarkkuuden latausalgoritmi, jota kutsumme spatiaaliseksi. AMD FSR: n erityistapauksessa se tunnistaa ruudun elementtien eri reunat ja rekonstruoi näistä tiedoista kuvan korkeamman resoluution version soveltamalla AMD Fidelity FX: ssä jo saatavilla olevia terävöitysalgoritmeja laadun parantamiseksi. lopullisesta kuvasta.

Kuten olemme jo maininneet, sillä ei kuitenkaan ole ajallista tietoa kuvan rekonstruoimiseksi. Tämä on erittäin kiistanalaista, koska saatu kuvanlaatu on osoittautumassa huonommaksi kuin antialiasiaalgoritmit, jotka hyödyntävät edellisten kehysten dataa kuvan kolmiomittaamiseksi tuntemattomien pikselien tiedoissa. Mikä on johtanut siihen, että Metro Exoduksen kaltaiset kehittäjät luopuvat FSR: stä Enhaced Edition -versiolleen, mutta emme voi sivuuttaa NVIDIA: n painostusta kehittäjille tukemaan heidän DLSS: ää.

Ajallisuuden ongelma

Toisin kuin Deep Learning Supersampling 2.0 ja huolimatta siitä, että AMD FidelityFX Super Resolution on superresoluutioalgoritmi, kuten Deep Learning Supersampling 2.0, siinä ei oteta huomioon ajallisuutta. Mitä tarkoitamme tällä? No, yksinkertaiseen tosiasiaan, että vaikka Deep Learning Supersampling 2.0 ottaa huomioon aiempien kehysten tiedot kuvan rekonstruoimiseksi, AMD: n FidelityFX Super Resolution -tekniikka ottaa huomioon vain nykyisen kuvan tiedot, joten se näyttää tältä osin enemmän kuin ensimmäinen sukupolvi NVIDIA: n Deep Learning Supersamplingista.

Kun tänään luodaan väripuskuri, useita samanaikaisia ​​puskureita tallennetaan yleensä kutsutaan Direct3D-slangissa Render-kohteiksi ja Vulkanin ja OpenGL: n tapauksessa FBO- tai Framebuffer Object -tekniikoiksi, jotka ovat tekstuureja, jotka tallentavat koko kuvan puskurin, mutta niillä ei ole tallentaa väritiedot. Täältä tulee se, mitä kutsumme ID-puskuriksi, joka asettaa tunnistetarran jokaiselle näytöllä olevalle objektille.

Idea on yksinkertainen, kuvan puskurin kautta, jota kutsumme ID-puskuriksi, voimme tietää, missä ruudun asennossa kohtauksen kunkin objektin pikseli on. Tämä antaa meille mahdollisuuden johtaa kunkin objektin nopeus kohtauksesta toiseen ja tietää, missä kukin pikseli sijaitsee. Yksi sovellus on luoda välikehyksiä elokuviin. Mutta peleissä, joissa muutokset ovat vähäisiä kehyksestä toiseen, tämän avulla voimme noutaa tiedot edellisten kehysten pikseleistä verrata niitä nykyiseen ja korjata ne, jos ilmenee vikoja.

Toisin kuin DLSS 1.0: ssa, FidelityFX Super Resolution -tekniikkaa voidaan kuitenkin käyttää väliaikaisilla antialiasing-algoritmeilla, jotka tunnemme sen ansiosta, että Epic on vahvistanut, että moottorinsa uusi versio, Unreal Engine 5, voi yhdistää TAA: nsa AMD FSR: ään. Tietenkin näiden väliaikaisten algoritmien kustannukset on lisättävä FSR: n laskennallisiin kustannuksiin.

NVIDIA DLSS 2.0: n laatutasot

Käsiteltävissä algoritmeissa tyyppi kehyksen rekonstruoimiseksi riippuu syötetiedoista ja suuremmalla pikselimäärällä, sitten korkeammalla kuvanlaadulla. Toisin sanoen, kuvanlaadun skaalaaminen välillä 1440p - 2160p on aina parempi kuin skaalaus 1080p - 2160p, koska tulopikselien määrä on ensimmäisessä tapauksessa paljon suurempi kuin toisessa.

Deep Learning Supersampling 2.0: n tapauksessa meillä on kolme toimintatilaa, korkeimman kuvanlaadun omaava kuva tarvitsee 1 pikselin tietoa kahden pikselin täydentämiseksi, keskitason laatu vie yhden pikselin 2: n täyttämiseksi ja huonon kuvanlaadun, mutta se ratkaistaan ​​nopeammin, mitä se tekee, se luo yhteensä 1 pikselin tiedot yhdestä pikselistä. On otettava huomioon, että NVIDIA: lla on RTX-näytönohjaimiinsa integroidun Tensor-ytimen etu, kun taas AMD: llä ei ole tätä etua.

Laatutasot AMD Fidelity FX Super -tarkkuudella

Kuten NVIDIA: n Deep Learning Supersampling 2.0 -mallissa, AMD: llä on erilaiset laatutasot FidelityFX Super Resolution- tai FidelityFX Super Resolution -tarkkuuksille, jotka ovat yhteensä neljä, ja näet ne viitteinä näiden rivien mukana tulevassa diassa. Neljä tilaa ovat: huippulaatu, laatu, tasapaino ja suorituskyky. Siksi jätämme sinulle taulukon, jonka tiedot AMD on jättänyt FidelityFX Super -resoluutiosta.

Joten AMD: llä ei tällä hetkellä ole vastaavaa NVIDIA: n nopeinta tilaa, joka tuottaa 9 pikseliä vain yhdestä. Se ei myöskään ole tila, joka tarjoaa erinomaisen kuvanlaadun ja palvelee vain 1K-tarkkuuksien saavuttamista joissakin peleissä ilman, että näytönohjainta painetaan. AMD: n ratkaisu, joka kuitenkin puuttuu ajallisuudesta kuvan rekonstruoinnissa käytetyissä tiedoissa, antaa lopulta hieman huonomman kuvanlaadun. Pienemmän kehysnopeuden kasvun lisäksi. Vaikka se riippuu enemmän kunkin pelin luonteesta.

Käyttäjän on täysin subjektiivinen päättää, onko FSR sen arvoinen vai ei, mutta kuvanlaatu ei ole pelkästään tarkkuus ja se, että FSR, joka on huonompi kuvanlaatu kuin jotkut väliaikaiset antialiasing-algoritmit, riittää monille kehittäjille sanoa ei AMD-algoritmiin. Minkä Lisa Su: n yritys myy yhteensopivana kaikkien syötettävien näytönohjainten kanssa, mutta puolitotuus on silti räikeä valhe.

Kumpi AMD FidelityFX vs Deep Learning Supersampling tukee enemmän?

AMD toteaa, että sen FidelityFX Super -resoluutiota voidaan käyttää ja toteuttaa missä tahansa kilpailijan GPU: ssa, mutta tällä lausunnolla on tietty ansa, koska algoritmia sellaisenaan ei voida toteuttaa NVIDIA: ssa ja Intel GPU: t ovat vastaavia muutoksia optimointien muodossa kilpailevien GPU: iden koodissa.

Missä saalis on? No, NVIDIA ei lisännyt tätä kapasiteettia grafiikkasuorittimiensa SIMD-yksiköihin, ne eivät tue SIMD-rekisteriä yli CUDA-yksiköiden, koska NVIDIA: n tavoitteena on, että tensorisydämiä käytetään matalan tarkkuuden laskelmissa. Joten jos sovellamme FidelityFX Super Resolution -tarkkuutta sellaisenaan ja ilman optimointia NVIDIA-näytönohjaimelle, se on huonompi kuin AMD-prosessorille johtuen siitä, että se vaatii mainitun GPU: n koodin optimoinnin. Avainkysymys, jonka meidän kaikkien tulisi kysyä itseltämme AMD FidelityFX Super Resolution -sovelluksesta, on se, näemmekö sen optimoinnit erilaisille graafisille arkkitehtuureille vai ei, ajattelemme, että ponnisteluja ei tarvitse tehdä itse AMD: ltä, vaan eri kehittäjiltä.

NVIDIA: n Deep Learning Supersampling huolimatta siitä, että sen toiminnalla on valtava musta laatikko, pyytää vain useita parametreja toimimaan, ja NVIDIA-kirjastot tekevät kaiken taikuuden kehittäjien ei tarvitse huolehtia. Tästä syystä Deep Learning Supersampling sen versiossa 2.0 on parempi, ja meidän on otettava huomioon sopimukset, jotka sekä AMD että NVIDIA tekevät eri kehittäjien kanssa.

Konsolit ovat avain AMD-algoritmin käyttöönottoon

AMD: n salainen ase on se, että kolme seuraavan sukupolven konsolia, kaksi Xbox Sarjat ja PlayStation 5, perustuvat RDNA 2: een ja ovat yhteensopivia FidelityFX Super Resolution -tarkkuuden kanssa. On otettava huomioon, että konsolissa ja toisin kuin tietokoneella tapahtuu, pelikoodi on yleensä optimoitu, joten kaikki osoittaa, että konsolin FidelityFX Super Resolution -optimoinnit voivat hyödyttää PC-versioita.

Kuten olemme aiemmin kommentoineet, se riippuu tietysti kunkin kehittäjän mielenkiinnosta ja jos heillä ei ole minkäänlaista sopimusta NVIDIA: n kanssa Deep Learning Supersampling -edun antamisesta. Esimerkiksi voimme havaita, että Metro Exoduksen ja Cyberpunk 2077 -konsoliversiot käyttävät FidelityFX Super Resolution -konsolissa, mutta että ne eivät käytä sitä tietokoneessa NVIDIA: n kanssa tehtyjen sopimusten vuoksi.