NVIDIAAlgoritmii de supra-eșantionare Deep Learning au fost de ani de zile unul dintre lucrurile care AMD nu a putut concura cu o soluție echivalentă. AMD FidelityFX Super Resolution este prezentat ca un rival al Supersampling-ului Deep Learning al NVIDIA. În acest articol vom explica cum se compară ambele arhitecturi.
În ultimii ani, tendința pentru grafica în timp real în jocurile video pe PC s-a deplasat în mai multe direcții diferite. Pentru început, avem 4K care necesită lățimi de bandă și putere de calcul de 4 ori mai mare decât 1080p și de 2.5 ori mai mare decât 1440p. Apoi avem apariția recentă a Ray Tracing care necesită o putere de calcul mare pentru a aduce iluminarea jocurilor la expresia maximă. Și, pentru a termina, avem cazul ratei de cadre mari pentru eSports.
Toate acestea au condus la algoritmi care permit creșterea rezoluției de ieșire a jocurilor față de cea nativă, aceasta din urmă fiind înțeleasă ca rezoluția la care o GPU redă și rezoluția de ieșire care este afișată pe ecran în ceea ce privește numărul de pixeli. Cea mai recentă adăugare este AMD Fidelity FX Super Resolution, care se alătură supraîncărcării superioare de învățare NVIDIA și Rendering Checkerboard ca un algoritm avansat decât interpolare pentru a obține o imagine de rezoluție mai bună dintr-o rezoluție mai mică.
Super rezoluție FidelityFX versus supra-eșantionare Deep Learning
AMD Fidelity FX Super Resolution este un algoritm care este responsabil pentru preluarea bufferului de imagine la o rezoluție specifică și crearea din ea a unei imagini egale cu o rezoluție mai mare și, prin urmare, cu un număr mai mare de pixeli. Fiind provocarea pentru acest tip de algoritmi de a cunoaște valoarea culorii noilor pixeli.
FidelityFX Super Resolution în funcționarea sa amintește de Deep Learning Supersampling 1.9 pe care NVIDIA l-a lansat pentru jocul video Remedy Control, în sensul că nu este destinat să lucreze cu Tensor Core care este exclusiv NVIDIA, ci funcționează mai degrabă cu cele convenționale. Unitățile SIMD și în mod specific exploatează capacitatea de înregistrare SIMD pe care o au unele GPU-uri. Această abilitate le permite să dubleze viteza de calcul în schimbul reducerii preciziei cu același grad.
Contrar soluției NVIDIA, nu este o soluție proprietară care nu este documentată. AMD lansează codul sub licența deschisă MIT și va putea fi utilizat atât pe AMD, cât și pe Intel și GPU-uri NVIDIA. Prin urmare, deoarece este o licență open source, dezvoltatorii pot face modificări la cod pentru a-l optimiza în funcție de particularitățile fiecărei arhitecturi.
Acesta din urmă este o sabie cu două tăișuri, deoarece pe de o parte AMD își șterge mâinile ca Pontius Pilate pe suportul FidelityFX Super Resolution în jocuri și pe de altă parte permite o optimizare mai mare decât cea permisă de NVIDIA cu Deep Learning Supersampling, dar în funcție de cu privire la implicarea dezvoltatorului fiecărui joc. În schimb, NVIDIA are un întreg departament însărcinat cu lucrul pentru diferiții dezvoltatori
Este AMD FidelityFX Super Resolution un algoritm AI precum Supersamplingul Deep Learning?
Supersampling-ul Deep Learning, așa cum spune și numele său, este un algoritm sau o serie de algoritmi, care se bazează pe deep learning, care implică o perioadă de antrenament pentru a genera ceea ce numim algoritm de inferență. În cazul AMD, deși știm că un brevet atribuit acestora în cazul în care un algoritm pentru creșterea rezoluției bazat pe Deep Learning nu este cazul AMD FidelityFX Super Resolution, deoarece nu este un algoritm Deep Learning.
Acest lucru se datorează faptului că GPU-urile AMD nu au unități specializate pentru a accelera algoritmii Deep Learning. Care sunt, în general, unități de calcul optimizate pentru operațiuni matriciale, care sunt comune în majoritatea algoritmilor Deep Learning.
Ar trebui clarificat faptul că algoritmii de inteligență artificială pot fi executați în orice tip de unitate de procesare, fie că este scalar, SIMD sau matricial. Normal este să ne gândim că o versiune viitoare a FidelityFX Super Resolution, în fața când AMD include unități concepute pentru calcularea matricilor, va fi optimizată pentru acest tip de unități, dar pentru moment ne confruntăm cu un algoritm care nu le folosește. .
Deoarece AMD FidelityFX Super Resolution nu este un algoritm de inteligență artificială, nu are nevoie de pregătire prealabilă, ceea ce înseamnă compatibilitate imediată în toate jocurile, dar, din păcate, acest algoritm pentru creșterea rezoluției nu diferă doar de Supersampling-ul NVIDIA Deep Learning prin faptul că nu este un algoritm de deep learning dar și lipsit de temporalitate, ceea ce în sine este o problemă în ceea ce privește calitatea imaginii algoritmului.
Cum funcționează AMD FidelityFX Super Resolution?
După cum am discutat în secțiunea anterioară, pentru a reconstrui o imagine cu rezoluție mai mare, AMD FSR necesită un singur cadru pentru a funcționa, din care va fi creată o versiune cu rezoluție mai mare. Deci, este un algoritm de încărcare a rezoluției pe care îl numim spațial. În cazul specific al AMD FSR, acesta detectează diferitele margini ale elementelor de pe ecran și din aceste informații reconstituie o versiune de rezoluție mai mare a imaginii, aplicând astfel algoritmi de ascuțire deja disponibili în AMD Fidelity FX pentru a îmbunătăți calitatea. a imaginii finale.
Cu toate acestea, așa cum am menționat deja, îi lipsesc informațiile temporale pentru reconstrucția imaginii. Acest lucru este foarte controversat, deoarece calitatea imaginii obținute se dovedește inferioară algoritmilor antialiasing care utilizează datele din cadrele anterioare pentru a triangula mai bine informațiile pixelilor necunoscuți din imagine. Ceea ce a determinat dezvoltatorii precum Metro Exodus să renunțe la FSR pentru Enhaced Edition, dar nu putem ignora presiunea NVIDIA asupra dezvoltatorilor pentru a-și susține DLSS.
Problema temporalității
Spre deosebire de Deep Learning Supersampling 2.0 și, în ciuda faptului că AMD FidelityFX Super Resolution este un algoritm de super-rezoluție precum Deep Learning Supersampling 2.0, nu ține cont de temporalitate. Ce vrem să spunem prin asta? Ei bine, la simplul fapt că, în timp ce Deep Learning Supersampling 2.0 ia în considerare informațiile din cadrele anterioare pentru reconstrucția imaginii, FidelityFX Super Resolution de la AMD ține cont doar de informațiile imaginii curente, deci în această privință seamănă mai mult cu prima generație a Supersampling-ului Deep Learning al NVIDIA.
Când se generează tamponul de culoare astăzi, sunt stocate mai multe tampoane simultane numite în argoul Direct3D ca Render Targets și în cazul lui Vulkan și OpenGL ca FBO sau Framebuffer Object, care sunt texturi care stochează un tampon de imagine completă, dar nu au pentru a stoca informațiile despre culoare. Aici intervine ceea ce numim tampon ID, care pune o etichetă de identificare pe fiecare obiect de pe ecran.
Ideea este simplă, printr-un buffer de imagine pe care îl numim ID Buffer putem ști în ce poziție a ecranului este pixelul fiecărui obiect din scenă. Acest lucru ne permite să derivăm viteza fiecărui obiect de la o scenă la alta și să știm unde se află fiecare pixel. O aplicație este de a crea cadre intermediare în filme. Dar în jocurile în care modificările sunt minime de la un cadru la altul, acest lucru ne permite să preluăm informațiile din pixelii cadrelor anterioare pentru a o compara cu cea curentă și a o corecta dacă există eșecuri.
Cu toate acestea, FidelityFX Super Resolution, spre deosebire de DLSS 1.0, poate fi utilizat cu algoritmi temporali de antialiasing, pe care îi cunoaștem datorită faptului că Epic a confirmat că noua versiune a motorului său, Unreal Engine 5, își poate combina TAA cu AMD FSR. Desigur, costul acestor algoritmi temporari trebuie adăugat la costul de calcul al FSR.
Niveluri de calitate în NVIDIA DLSS 2.0
În tipul de algoritmi cu care avem de-a face, informațiile pentru reconstituirea cadrului depind de informațiile de intrare și cu un număr mai mare de pixeli, apoi o calitate a imaginii mai mare. Cu alte cuvinte, calitatea imaginii de scalare de la 1440p la 2160p va fi întotdeauna mai bună decât scalarea de la 1080p la 2160p, deoarece numărul de pixeli de intrare este mult mai mare în primul caz decât în al doilea.
În cazul Deep Learning Supersampling 2.0 avem trei moduri de funcționare, cel cu cea mai înaltă calitate a imaginii necesită 1 pixel de informații pentru a completa 2 pixeli, calitatea medie durează 1 pixel pentru a finaliza 4 și cel care oferă cea mai proastă calitate a imaginii, dar asta se rezolvă mai rapid ceea ce face este să creeze informații de 9 pixeli în total dintr-un pixel. Trebuie să se țină cont de faptul că NVIDIA are avantajul nucleelor tensoriale integrate în GPU-urile sale RTX, în timp ce AMD nu are acest avantaj.
Niveluri de calitate în AMD Fidelity FX Super Resolution
La fel ca în cazul Super Learning Sampling 2.0 al NVIDIA, AMD are niveluri de calitate diferite pentru FidelityFX Super Resolution sau FidelityFX Super Resolution, care sunt patru în total și le puteți vedea la care se face referire în diapozitivul care însoțește aceste linii. Cele patru moduri sunt: ultra-calitate, calitate, echilibrat și performanță. De aceea, vă lăsăm un tabel cu informațiile pe care AMD le-a lăsat despre rezoluția sa FidelityFX.
| Mod calitate | Factorul de scalare | Rezoluție de intrare pentru 1440p | Rezoluție de intrare pentru 4K | Diferenţial |
|---|---|---|---|---|
| Mod calitate „Ultra Quality” | 1.3x factor de scalare pe dimensiune | Rezoluție de intrare pentru 1440p 1970 x 1108 | Rezoluție de intrare pentru 4K 2954 x 1662 | Diferențial x 1.69 |
| Mod calitate „Calitate” | 1.5x factor de scalare pe dimensiune | Rezoluție de intrare pentru 1440p 1706 x 960 | Rezoluție de intrare pentru 4K 2560 x 1440 | Diferențial x 2.25 |
| Mod de calitate „Echilibrat” | Factor de scalare 1.7 x pe dimensiune | Rezoluție de intrare pentru 1440p 1506 x 847 | Rezoluție de intrare pentru 4K 2259 x 1270 | Diferențial x 2.89 |
| Mod de calitate „Performanță” | 2x factor de scalare pe dimensiune | Rezoluție de intrare pentru 1440p 1280 x 720 | Rezoluție de intrare pentru 4K 1920 x 1080 | Diferențial x 4 |
Așadar, AMD nu are în prezent un echivalent cu cel mai rapid mod NVIDIA, care generează 9 pixeli din doar 1. De asemenea, nu este un mod care oferă o calitate excelentă a imaginii și servește doar pentru a obține rezoluții de 8K în unele jocuri fără a accentua placa grafică. Cu toate acestea, soluția AMD, deoarece nu are temporalitate în datele pe care le folosește pentru a reconstrui imaginea, ajunge să dea o calitate a imaginii puțin mai proastă. În plus față de obținerea unei creșteri a ratei cadrelor mai mici. Deși asta va depinde mai mult de natura fiecărui joc.
Utilizatorul este complet subiectiv să decidă dacă FSR merită sau nu, dar calitatea imaginii nu este doar rezoluția și faptul că FSR de o calitate a imaginii mai slabă decât unii algoritmi temporali de antialiasing este suficient pentru mulți dezvoltatori să spună că nu. la algoritmul AMD. Ceea ce compania Lisa Su vinde ca fiind compatibilă cu toate plăcile grafice de intrare, dar un adevăr pe jumătate este încă o minciună flagrantă.
AMD FidelityFX vs Supersampling de Deep Learning, care va avea mai mult sprijin?
AMD afirmă că FidelityFX Super Resolution poate fi utilizată și implementată în oricare dintre GPU-urile concurentului, totuși această afirmație are o anumită capcană, deoarece algoritmul, așa cum este, nu poate fi implementat în NVIDIA și GPU-urile Intel sunt modificările corespunzătoare sub forma optimizărilor în codul pentru GPU-uri competitive.
Unde este captura? Ei bine, NVIDIA nu a adăugat această capacitate unităților SIMD ale GPU-urilor lor, nu acceptă SIMD peste înregistrarea în ceea ce sunt unitățile CUDA, deoarece obiectivul NVIDIA este ca nucleele tensorului să fie utilizate pentru calculele de precizie redusă. Deci, dacă aplicăm FidelityFX Super Resolution așa cum este și fără optimizări pe un GPU NVIDIA, acesta va fi mai rău decât pe unul AMD, datorită faptului că necesită optimizarea codului pentru GPU-ul menționat. Întrebarea cheie pe care ar trebui să ne punem cu toții despre AMD FidelityFX Super Resolution este dacă vom vedea optimizările sale pentru diferite arhitecturi grafice sau nu, credem că efortul nu trebuie făcut de AMD însăși, ci de diferiți dezvoltatori.
Supersampling-ul Deep Learning de la NVIDIA, în ciuda faptului că este o cutie neagră uriașă în ceea ce privește funcționarea sa, solicită doar o serie de parametri pentru a funcționa, iar bibliotecile NVIDIA fac toată magia fără ca dezvoltatorii să se îngrijoreze. Nu din acest motiv, Deep Learning Supersampling în versiunea 2.0 este mai bun și trebuie să ținem cont de acordurile încheiate atât de AMD, cât și de NVIDIA cu diferiții dezvoltatori.
Consolele sunt cheia adoptării algoritmului AMD
Arma secretă a AMD este faptul că cele trei console de generația următoare, cele două Xbox Seria și PlayStation 5, se bazează pe RDNA 2 și vor fi compatibile cu FidelityFX Super Resolution. Trebuie luat în considerare faptul că pe consolă și spre deosebire de ceea ce se întâmplă pe PC, codul jocului este de obicei optimizat, astfel încât totul indică faptul că optimizările FidelityFX Super Resolution de pe consolă ar putea beneficia de versiunile pentru PC.
Desigur, așa cum am comentat anterior, acest lucru va depinde de interesul fiecărui dezvoltator și dacă nu au niciun fel de acord cu NVIDIA pentru a oferi un avantaj de Deep Learning Supersampling. De exemplu, putem constata că versiunile de consolă ale Metro Exodus și Cyberpunk 2077 folosesc FidelityFX Super Resolution de pe consolă, dar că nu o folosesc pe PC din cauza acordurilor cu NVIDIA.
