Ris vs dlss: melyik képminősítési technológia jobb?

Ma a RIS és a DLSS , az AMD és az Nvidia imázsához kapcsolódó két technológia összehasonlításáról fogunk beszélni. Igaz, hogy ez a második pillanat nagyobb figyelmet kapott a nagyközönség részéről, de nem szabad alábecsülnünk a Radeon képélesítését . Bár megvalósításuk eltérő, érdekel minket az, hogy feladataik hasonlóak.

Ha kíváncsi lett volna, a cikk fő képe a Halo 2 és a Halo 2 Remastered képeinek összehasonlítása . A vizuális javulás nem a két szoftver egyikének köszönhető, hanem kissé rokonnak tűnik, mivel mindkét technológia regenerálja és javítja a kereteket.

Tartalom index

Átméretezés és a kép retusálás technológiái: RIS vs DLSS

Kezdjük azzal, hogy meghatározzuk, hogy hol vannak a korlátok, amiről beszélünk, ugye? A RIS vs DLSS összehasonlításban sok szempontot kell figyelembe venni, de mi a leginkább érdekli , mindkét program célja.

Nyilvánvaló számunkra, hogy a Radeon Image Sharpening és a Deep Learning Super Sampling egyaránt átméretezési és képjavító technológiák . Mindegyik eltérő megvalósítású.

Mindkét technológia „csökkenti” a megjelenítendő keret méretét, majd javítja a képminőséget, hogy ez a változás ne legyen észrevehető.

• Az első lépés biztosítja, hogy mind a grafika, mind a processzor sokkal kevesebb munkaterheléssel működjön . Végül is egy kép 1080p felbontással való megjelenítése sokkal könnyebb feladat, mint a 4K- n keresztüli megjelenítés. Több vagy kevesebb sikerrel mindkét algoritmus elvégzi ezt a kemény munkát, és (vagy sem) becsapja a szemünket.

Ha a munka jól elvégzett, akkor a felhasználó magasabb képkocka-sebességet élvez , azonos képminőséggel. A legrosszabb esetben téves számításokat, furcsa tárgyakat és más apró hibákat látunk.

De amint néhány bölcs ember azt mondja: "az ördög a részletekben van" . Csakúgy, mint egy denevér szárnya és egy madár szárnya, a RIS és a DLSS technológiák is olyan technológiák, amelyek feladatai többnyire konvergálnak, de amelyek elérésének módjai eltérnek. Ezért az alábbiakban külön-külön fogunk beszélni az egyes megvalósításokról.

Az AMD megoldása: A Radeon képélesítése

Az a technológia, amelyet az AMD hoz a játékteretre, nagyon érdekes. Az AMD Fidelity FX nyílt forráskódú eszköz mellett valósítják meg, ami azt jelenti, hogy minden videojáték, amelyre ez a csomag telepítve van, élvezni fogja az AMD RIS-t .

A Radeon képélesítés fő szakasza az adaptív kontraszt hangoló algoritmus . Furcsa névvel rendelkezik, de azt kell mondanunk, hogy retusálja és javítja a fényképezőgéphez legközelebb lévő képeket, miközben a hátteret alig retusálja. A javulás bizonyos textúrákban észrevehető, és az általános képminőség kiváló.

Ez a funkcionalitás azonban összekapcsolható az átméretezéssel, hogy az alkatrészek maximális teljesítményét maximalizálják. Egyes címekben, például a Fornite , csökkenthetjük a felbontást natív módon.

Ablakunkban (például 1920 × 1080) a játékon belüli felbontás 100% (1920 × 1080) vagy 50% (960 × 540) . A pixelek csökkentése a munkát sokkal kevésbé megnehezíti, és annál több fps érhet el, de cserébe a kép veszélybe kerül.

Ezért a vizuális retusálás szakasz és a kicsinyített kép keverése jelentősen javíthatja a játékélményt.

További megjegyzés, hogy ez a technológia csak a Navi és a Polaris grafikákhoz érhető el, bár nem minden címben. Ezeket a funkciókat a videojátékokban csak a Fidelity FX és az DirectX 9 (csak Navi), a DirectX 12 vagy a Vulkan API-kkal aktiválhatjuk .

Nem a legjobb, de az a fontos, hogy a jövőre összpontosítson. A következő lépés, amelyet a piros csapat meg akar tenni, az, hogy támogatást kínáljon a DirectX 11-hez .

Nvidia megoldása : Mélyreható szupermintavétel

Az Nvidia által kidolgozott megoldás kissé eltér. Bejelentették, tesztelték és kiadták egy ideje a verseny előtt, de ez nem teszi későbbé. Valójában azt mondanánk, hogy az ellenkezője.

A Deep Learning Super Sampling technológia az új rendszert használja, amely az Nvidia RTX grafikájának mesterséges intelligencia magjait használja. Az ok egyértelmű: A DLSS egy tanuló AI munkáján alapuló algoritmust használ . Ez azonban nem pontosan ugyanaz az algoritmus, mint a Radeon Image Sharpening .

A DLSS esetében egy szuperszámítógépet képzettek a képek átméretezésére.

• Először kap ezer képkockát antialiasing-kel és anélkül, és felkérik őket, hogy megtanulják, hogyan lehet megtalálni a különbségeket, majd kapsz egy közepes vagy alacsony felbontású képkészletet, amelyet nagy felbontásban kell átméretezni. A képeket összehasonlítják, és ha az eredmény hasonló, akkor az algoritmus javul. Ha azonban súlyos hibái vannak, a kutatók kijavítják, és megkísérelik a gépet új szabályok előállítására, hogy jobban végezzék el.

Ez a folyamat több ezer vagy millió alkalommal megismétlődik napokon vagy hónapokon keresztül az AI kiképzéséhez .

Kiemelte, hogy míg a RIS változtatásokat hajt végre a kép javítása és a háttérképek átalakítása érdekében, addig ez éppen fordítva van. Ezen felül a neurális hálózatok használata lehetővé teszi ennek a folyamatnak a folyamatos fejlődését, ezáltal a DLSS jobb és jobb működését teszi lehetővé.

Itt van egy videó, ahol összehasonlítják a klasszikus képfeldolgozó algoritmust az AI alapú tesztelési algoritmussal:

Ennek az a hátránya, hogy ezt a technológiát csak az Nvidia RTX grafikában használjuk. Az RT magok szükségességére semmilyen más grafika nem nyújtja ezt a funkciót.

Ezen túlmenően, a szoftver bevezetése érdekében nem egyszerűen megvalósíthatunk egy szerszámot, mint a versenyen. A DLSS esetében minden tanulmánynak "manuálisan" kell végrehajtania a kódjában, és minden grafikus motor esetében több különbség van. Ezért a DLSS- t nem olyan könnyű megvalósítani.

RIS vs DLSS:

Ezért a legkézenfekvőbb következtetés, amelyet kínálunk Önnek, az, hogy mindkét technológia hasonló dolgokat ér el, de feladataik nem annyira hasonlóak.

A hátránya, hogy a kettő csak a márkájukra korlátozódik, tehát nem tűnik úgy, hogy a közeljövőben mindkettő kombinációját láthatjuk. Ennek ellenére használja az általa használt platformot, és jó technológiája lesz a támaszkodáshoz.

Manapság az alkatrészek világa keverődik, és ez jó a felhasználók számára.

• A CPU-k nagyszerű indítást tapasztaltak, amely destabilizálta a nagyszerű Intel-t . Másrészt az AMD biztonságos lépéssel lép fel a grafika területén. A kék csapat emellett elkészíti diszkrét grafikáját, így senki sem tudja, mi fog történni.

Ki tudja, talán a jövőben láthatjuk a RIS vs. DLSS és az Intel technológiát . Vagy talán láthatjuk a két vagy három technológia kombinációját, mert a verseny egy másik árnyalatot vesz fel.

Bárhogy is legyen, itt megmutattuk a különbségek többségét e két hihetetlen technológia között. Reméljük, hogy könnyen megértette, és megismerkedett valami újat. Ezenkívül arra buzdítunk, hogy olvassa el és keressen információt ezekről a témákról, mivel ezek az új technológiák nagyon érdekes ötleteken alapulnak.

És te, gondolod, hogy az Intel az integrált grafika harmadik versenyének bizonyul-e? Ön szerint melyik technológia jobb a RIS vs. DLSS ? Ossza meg ötleteit a megjegyzés mezőben.

AMD RISNvidia DLSS SourceNvidia DLSS GYIK