Ассоциация AMD FidelityFX Super Resolution рассматривается как соперник DLSS, который имеет два преимущества. Во-первых, он требует более скромного оборудования для работы и совместим с большим количеством игр и видеокарт, не полагаясь на алгоритмы логического вывода. Но как работает AMD FidelityFX Super Resolution?
AMD FSR произвел революцию в GPU / ГРАФИЧЕСКИЙ ПРОЦЕССОР пейзаж в последние недели, не только соперничая NVIDIADLSS в доставке изображений с более высоким разрешением с использованием меньшего количества ресурсов. Если не также из-за его открытой природы, что позволяет реализовать его в любом графическом процессоре независимо от его архитектуры.
Что такое алгоритмы сверхвысокого разрешения?
Алгоритмы сверхвысокого разрешения стали очень популярными в последнее время, особенно те, которые используют сверточные нейронные сети, такие как DLSS от NVIDIA. В чем особенности решения AMD? Дело в том, что он не основан на искусственном интеллекте и, следовательно, не требует обучения на наборе предыдущих изображений той же игры. Начиная со сверточной нейронной сети для компьютерного зрения, она изучает ряд общих шаблонов для выполнения реконструкции.
Преимущество метода, используемого AMD FidelityFX Super Resolution над DLSS, когда дело доходит до реализации в любой игре, заключается в том, что AI не имеет тенденции при создании новых изображений. Чтобы понять концепцию, нам нужно представить, что мы обучаем ИИ с помощью набора изображений с общим артефактом или ошибкой изображения. Затем мы заставляем ИИ воспроизводить эти изображения или их варианты. То, как на этапе обучения искусственного интеллекта усваивается тенденция к изучению этих ошибок изображения, будет воспроизводить их с указанной ошибкой изображения.
Это приводит к тому, что в системе сверхвысокого разрешения, основанной на ИИ, вы можете делать неточные выводы. Вот почему игры с DLSS от NVIDIA выходят в управляемом режиме, а FidelityFX Super Resolution - это алгоритм, который можно применить к любой игре.
FidelityFX Super Resolution - это пространственный, а не временной алгоритм.
Метод, выбранный AMD, основан на получении информации о текущем кадре и только о текущем кадре, поэтому он отличается от других методов масштабирования разрешения изображения, таких как рендеринг шахматной доски. Когда мы говорим о темпоральности, мы имеем в виду это для того, чтобы генерировать версию текущего кадра с более высоким разрешением, она частично исходит из предыдущего кадра. Таким образом, ему не хватает того, что мы называем темпоральностью, и он принимает информацию о кадре с более низким разрешением, чем графический процессор только что сгенерировал для создания версии изображения с более высоким разрешением.
Но что мы подразумеваем под разрешением? Что ж, к количеству пикселей, которые составляют его, поэтому, когда мы увеличиваем разрешение изображения, мы увеличиваем их количество, с этим генерируются новые пиксели, которые занимают пространство, но значение цвета которых мы не используем. знать. Самое простое решение? Используйте алгоритмы интерполяции, которые основаны на закрашивании недостающих пикселей цветами, которые находятся на полпути к соседним пикселям. Чем больше соседних пикселей вы возьмете за исходную информацию, тем точнее будет информация.
Проблема в том, что необработанная интерполяция недостаточно хороша и не используется, качество получаемых изображений очень низкое и часто отличается от реальности. Сегодня большинство приложений для редактирования изображений используют алгоритмы искусственного интеллекта для создания версий с более высоким разрешением. Если мы уже сосредоточились исключительно на FidelityFX Super Resolution, его метод получения информации о недостающих пикселях не основан на прямой интерполяции, а более сложен.
Это увеличивает разрешение AMD FidelityFX Super Resolution.
Мы собираемся придерживаться официального объяснения AMD, которое мы процитируем ниже:
FidelityFX Super Resolution состоит из двух основных этапов.
Что переводится в два последовательных алгоритма, которые выполняются один за другим или, скорее, где второй берет информацию, сгенерированную первым. Давайте посмотрим, что собой представляет каждый из этих шагов.
Проход масштабирования под названием EASU (Edge Adaptive Spatial Up Sampling), который также выполняет реконструкцию краев. На этом этапе входной кадр анализируется, и основная часть алгоритма обнаруживает инверсию градиента, по сути наблюдая за тем, как соседние градиенты отличаются от набора входных пикселей. Интенсивность инверсии градиента определяет веса, которые будут применены к реконструированным пикселям при разрешении экрана.
Чтобы понять цитату, первое, что мы должны знать, - это то, к чему относится объяснение с обнаружением краев на изображении. Для этого создается черно-белая версия финального кадра в формате RGB. Итак, это делается: складываются значения каждого из каналов и делятся на 3, чтобы получить значение на черно-белом изображении. Если мы оставим в изображении в градациях серого только значения 00000 чисто белого, FFFFFF или чисто черного цвета, то мы получим изображение, которое будет ограничивать края.
В режиме суперразрешения AMD FidelityFX он выполняет изображение, сгенерированное с помощью обнаружения краев, с выходным разрешением, намного более высоким, чем то, которое было изначально визуализировано, но которое соответствует выходному разрешению, которого вы хотите достичь. Все это будет объединено с буфером изображений, в котором хранятся изменения градиента каждого из пикселей. Которая измеряет изменения интенсивности цвета между пикселями. Эта информация комбинируется с классической интерполяцией для получения изображения с более высоким разрешением.
Этап повышения резкости, называемый RCAS (адаптивное повышение резкости с устойчивым контрастом), позволяет извлекать детализацию пикселей в улучшенном изображении.
Изображение, сгенерированное на первом этапе, улучшается с помощью модифицированной версии Contrast Adaptive Sharpening, конечный результат - изображение на полпути между чистой и жесткой интерполяцией и искусственным интеллектом.
