Ris vs dlss: kung aling teknolohiya ang nagliligtas ng imahe?

Ngayon ay pag-uusapan natin ang tungkol sa paghahambing sa pagitan ng RIS vs DLSS , dalawang mga teknolohiya na may kaugnayan sa imahe ng AMD at Nvidia , ayon sa pagkakabanggit. Totoo na ang pangalawa na ito ay nakatanggap ng higit na atensyon mula sa isang malaking bahagi ng publiko, ngunit hindi natin dapat maliitin ang Radeon Image Sharpening . Bagaman naiiba ang kanilang pagpapatupad, kung ano ang interes sa amin na ang kanilang mga gawain ay magkatulad.

Kung sakaling nagtataka ka, ang pangunahing imahe ng artikulo ay isang paghahambing ng mga imahe ng Halo 2 kumpara sa Halo 2 Remastered. Ang pagpapabuti ng visual ay hindi dahil sa alinman sa dalawang mga softwares, ngunit tila may kaugnayan ito sa amin, dahil ang parehong mga teknolohiya ay nagbabagong-buhay at pagbutihin ang mga frame.

Indeks ng nilalaman

Mga teknolohiyang pag-save at retouching ng imahe: RIS vs DLSS

Magsimula tayo sa pamamagitan ng pagtukoy kung saan ang mga limitasyon ng pinag-uusapan natin, di ba? Sa paghahambing sa RIS kumpara sa DLSS maraming mga bagay ang dapat isaalang-alang, ngunit ang pinaka interesado sa amin ay ang layunin ng parehong mga programa.

Ang malinaw sa amin ay ang parehong Radeon Image Sharpening at Deep Learning Super Sampling ay nagliligtas at mga teknolohiya ng pagpapahusay ng imahe. Gayunpaman, ang bawat isa ay may iba't ibang pagpapatupad.

Ang parehong mga teknolohiya ay "bawasan" ang laki ng frame na maibigay at pagkatapos ay pagbutihin ang kalidad ng imahe upang hindi mapansin ang pagbabagong ito.

• Tinitiyak ng unang hakbang na ang parehong mga graphics at ang processor ay maaaring gumana nang mas mababa sa workload. Matapos ang lahat, ang pag-render ng isang imahe sa 1080p ay isang mas magaan na trabaho kaysa sa pag-render sa 4K . Ang ikalawang hakbang ay isang algorithm na 'nagbabagong-buhay' ang imahe upang hindi ito magmukhang 1080p, ngunit 4K, halimbawa. Sa higit pa o mas kaunting tagumpay, ang parehong mga algorithm ay gumagawa ng masipag na ito at (o hindi) niloko ang aming mga mata.

Kung ang trabaho ay tapos na nang maayos, ang gumagamit ay nasiyahan sa mas mataas na fps kasabay ng magkaparehong kalidad ng imahe. Sa pinakamasamang kaso makikita natin ang mga maling pagkalkula, kakaibang artifact at iba pang maliliit na bug.

Ngunit tulad ng sinasabi ng ilang marunong na lalaki na ang demonyo ay nasa mga detalye ' . Tulad ng mga pakpak ng isang bat at ang mga pakpak ng isang ibon, ang RIS vs DLSS ay mga teknolohiyang ang karamihan sa mga gawain ay nagkakasamang , ngunit kung saan ang mga paraan ng pagkamit nito ay magkakaiba. Para sa kadahilanang ito, mag-isa kaming pag-uusapan tungkol sa bawat pagpapatupad sa ibaba.

Solusyon ng AMD : Radeon Image Sharpening

Ang teknolohiya na dinadala ng AMD sa larangan ng paglalaro ay medyo kawili-wili. Ito ay ipinatupad sa tabi ng open tool ng AMD Fidelity FX , na nangangahulugang ang anumang video game na may naka-install na pack na ito ay tatangkilikin ang AMD RIS .

Ang pangunahing seksyon ng Radeon Image Sharpening ay ang adaptive na kaibahan sa pag-tune algorithm . Ito ay may kakaibang pangalan, ngunit sasabihin sa amin na ito ay nagreresulta at pinapabuti ang mga imahe na pinakamalapit sa camera habang bahagya na muling binabago ang mga background. Ang pagpapabuti ay kapansin-pansin sa ilang mga texture at ang pangkalahatang kalidad ng imahe ay mahusay.

Gayunpaman, ang pag-andar na ito ay maaaring pagsamahin sa pagliligtas upang mai-maximize ang lakas ng aming mga sangkap. Sa ilang mga pamagat tulad ng Fornite maaari naming bawasan ang paglutas sa proyekto nang katutubong.

Sa aming window (1920 × 1080, halimbawa) maaari kaming magkaroon ng isang in-game na resolusyon na 100% (1920 × 1080) o 50% (960 × 540) . Ang pagbawas ng mga pixel ay ginagawang mas mahirap ang gawain at maaari tayong makakuha ng mas maraming fps, ngunit kapalit ng imahe ay nakompromiso.

Para sa kadahilanang ito, ang paghahalo ng seksyon ng visual retouching kasama ang isang naka-scale na imahe ay maaaring mapabuti ang karanasan sa paglalaro.

Ang isa pang punto na dapat tandaan ay ang teknolohiyang ito ay magagamit lamang para sa mga graphic na Navi at Polaris , bagaman hindi sa lahat ng mga pamagat. Maaari lamang nating buhayin ang mga tampok na ito sa mga video game na may Fidelity FX at APIs DirectX 9 (Navi lamang), DirectX 12 o Vulkan .

Hindi ito ang pinakamahusay doon, ngunit ang mahalagang bagay ay na oriented ito para sa hinaharap. Ang susunod na hakbang na nais gawin ng pulang koponan ay mag-alok ng suporta para sa DirectX 11 .

Solusyon ni Nvidia: Malalim na Pag-aaral ng Super Sampling

Ang solusyon na Nvidia ay dumating up ay medyo naiiba. Inanunsyo, sinubukan, at pinalabas ng ilang oras bago ang kumpetisyon, ngunit hindi ito ginawang mas napetsahan. Sa katunayan, sasabihin namin na kabaligtaran ito.

Ang Deep Learning Super Sampling ay isang teknolohiya na gumagamit ng bagong sistema na gumagamit ng mga cores ng Artipisyal na Intelligence mula sa mga graphics ng Nvidia RTX . Ang dahilan ay lubos na malinaw: Gumagamit ang DLSS ng isang algorithm batay sa gawain ng isang AI na natututo. Gayunpaman, hindi eksakto ang parehong algorithm tulad ng sa Radeon Image Sharpening .

Sa kaso ng DLSS , isang supercomputer ay bihasa na baguhin ang laki ng mga imahe.

• Sa una bibigyan ka ng libu-libong mga frame na may at nang walang pag-antial at tinanong upang malaman kung paano makahanap ng mga pagkakaiba, pagkatapos bibigyan ka ng isang hanay ng mga imahe sa medium o mababang resolusyon na baguhin ang laki sa mataas na resolusyon. Ang mga imahe ay inihambing at kung ang resulta ay pareho, ang algorithm ay nagpapabuti. Gayunpaman, kung mayroon itong malubhang mga bug, itinutuwid ito ng mga mananaliksik at sinubukan na makagawa ang makina ng mga bagong patakaran upang gawin itong mas mahusay.

Ang prosesong ito ay paulit-ulit na libu-libo o milyon-milyong beses sa mga araw o buwan upang sanayin ang AI.

Itinampok nito na habang ang RIS ay gumagawa ng mga pagbabago upang mapagbuti ang imahe at nagliligtas ng mga imahe sa background, narito lamang ito sa iba pang paraan. Bilang karagdagan, ang paggamit ng Neural Networks ay nagbibigay - daan sa prosesong ito na patuloy na magbabago, na ginagawang mas mahusay at mas mahusay ang DLSS .

Narito ang isang video kung saan inihahambing nila ang isang klasikong algorithm sa pagproseso ng imahe laban sa isang algorithm na batay sa AI na pagsubok:

Gayunpaman, mayroon itong kawalan na mayroon lamang ang teknolohiyang ito sa Nvidia RTX graphics. Sa pamamagitan ng nangangailangan ng mga RT cores, walang ibang mga graphics ang maaaring mag-alok ng pag-andar na ito.

Bukod dito, upang ipakilala ang software na ito hindi namin maaaring maipatupad ang isang tool, tulad ng sa kumpetisyon. Sa kaso ng DLSS, ang bawat pag-aaral ay dapat ipatupad ito "mano-mano" sa kanilang code at para sa bawat graphics engine mayroong maraming pagkakaiba. Para sa kadahilanang ito, ang DLSS ay hindi napakadaling ipatupad.

RIS vs DLSS:

Samakatuwid, ang pinaka-halata na konklusyon na maaari naming mag-alok sa iyo ay ang parehong mga teknolohiya makamit ang magkatulad na mga bagay, ngunit ang kanilang mga gawain ay hindi katulad.

Ang downside ay na ang dalawa ay limitado sa kanilang mga tatak, kaya hindi ito nais na makita namin ang isang kumbinasyon ng pareho sa malapit na hinaharap. Sa kabila nito, gamitin ang platform na ginagamit mo, magkakaroon ka ng isang mahusay na teknolohiya upang sumandig.

Ngayon, ang mundo ng mga sangkap ay pinupukaw at mabuti para sa mga gumagamit.

• Naranasan ng mga CPU ang isang mahusay na paglulunsad na nakapagpatibay sa mahusay na Intel . Sa kabilang banda, ang AMD ay pupunta na may ligtas na hakbang sa larangan ng mga graphic. Gayundin, ang asul na koponan ay naghahanda ng discrete graphics nito, kaya walang nakakaalam kung ano ang mangyayari.

Sino ang nakakaalam, marahil sa hinaharap maaari nating makita ang RIS kumpara sa DLSS kumpara sa Intel Technology . O marahil maaari nating makita ang isang kumbinasyon ng dalawa o tatlong mga teknolohiya dahil ang kumpetisyon ay tumatagal ng isa pang tint.

Maging tulad ng maaaring ito, narito na ipinakita namin sa iyo ang karamihan sa mga pagkakaiba sa pagitan ng dalawang hindi kapani-paniwalang mga teknolohiya. Inaasahan namin na naunawaan mo ito nang madali at na may bago kang natutunan. Bukod dito, hinihikayat ka naming basahin at maghanap para sa impormasyon tungkol sa mga paksang ito, dahil ang mga bagong teknolohiyang ito ay batay sa mga kagiliw-giliw na mga ideya.

At ikaw, sa palagay mo ba ay itatatag ng Intel ang sarili bilang pangatlong kumpetisyon sa integrated graphics? Sa aling teknolohiya ang sa palagay mo ay mas mahusay sa RIS kumpara sa DLSS ? Ibahagi ang iyong mga ideya sa kahon ng komento.

AMD RISNvidia DLSS SourceNvidia DLSS FAQ