Объяснение DLSS 4: все, что вам нужно знать о новейшей технологии масштабирования искусственного интеллекта от Nvidia

В течение довольно долгого времени Nvidia была доминирующей силой в области игровой графики для ПК, и по мере того, как машинное обучение и искусственный интеллект стали более значимыми, они стали решающими элементами в улучшении нашего игрового опыта. Одной из революционных инноваций Nvidia является Deep Learning Super Sampling (DLSS), интеллектуальный метод масштабирования, который обеспечивает повышенную производительность, особенно при более высоких разрешениях. Эта технология совершенствовалась с годами, и с появлением серии RTX 50 она совершила значительный шаг вперед с DLSS 4.

🚀 Хочешь улететь на Луну вместе с нами? Подписывайся на CryptoMoon! 💸 Новости крипты, аналитика и прогнозы, которые дадут твоему кошельку ракетный ускоритель! 📈 Нажмите здесь: 👇

CryptoMoon Telegram

В этом уроке я познакомлю вас со всеми важными подробностями, касающимися работы этой технологии, ее значения для вас и развития компьютерных игр, а также причин, по которым рассмотрение ее при предстоящем обновлении ПК может быть полезным.

Что такое DLSS?

Deep Learning Super Sampling (DLSS) — это система, созданная Nvidia для повышения качества производимых ею видеоигр. С момента своего появления в 2019 году DLSS постоянно развивалась и совершенствовалась. Его основная функция — повысить производительность за счет рендеринга игр с более низким разрешением, которое затем повышается до соответствия собственному разрешению вашего монитора. В отличие от ручного увеличения разрешения, которое может привести к получению размытого или размытого изображения, DLSS использует нейронную сеть, обученную на бесчисленных часах игрового процесса, для выполнения такого масштабирования. Если вы предпочитаете не повышать масштаб или просто в этом нет необходимости, вы можете вместо этого активировать сглаживание глубокого обучения (DLAA), которое повышает четкость изображений с собственным разрешением.

Расширенные функции, которые вы видите, можно найти только на видеокартах Nvidia, оснащенных тензорными ядрами, начиная с серии RTX 20. Это связано с тем, что эти улучшения и масштабирование являются результатом многочисленных часов обучения нейронов, проводимых на суперкомпьютерах Nvidia. Нейронная сеть в ходе такого обширного обучения поглощает и обучается на огромных объемах данных, чтобы овладеть искусством масштабирования и реконструкции изображений с минимальной потерей качества. В некоторых случаях это даже добавляет дополнительную ясность.

Со временем Nvidia модернизировала систему, добавляя более продвинутые функции. Одним из наиболее значительных нововведений является Frame Generation, технология, которая использует искусственный интеллект для вставки дополнительного кадра между каждым визуализируемым кадром, тем самым повышая частоту кадров. В сочетании с Nvidia Reflex (которая также улучшается в 50-й серии) эти дополнительные кадры могут легко интегрироваться с минимальным влиянием на задержку. Это не только приводит к повышению производительности, но и позволяет видеокартам с более низкой производительностью достигать более высокой частоты кадров, ранее считавшейся недостижимой, даже при высоких настройках графики.

Это подводит нас к сегодняшнему дню с DLSS 4.

TNN против CNN (модель трансформера)

Нынешняя эпоха приводит к наиболее существенному сдвигу в прошлом этой функции, представляя совершенно новую и гораздо более совершенную систему искусственного интеллекта.

Изменения, происходящие сейчас, представляют собой самый большой скачок в истории этой функции, поскольку она включает в себя совершенно новую и высокопроизводительную модель искусственного интеллекта, не похожую ни на одну другую.

Модель трансформера

На сегодняшний день суперсэмплинг глубокого обучения (DLSS) опирается на форму искусственного интеллекта, называемую сверточными нейронными сетями (CNN), чтобы обеспечить свои преимущества. Эти сети тщательно изучают изображения, чтобы определить важные особенности, такие как линии, края и пространственные отношения, чтобы решить, как применить их улучшения. Нередко CNN используются для анализа изображений, что до сих пор делает их подходящим выбором для фундаментальной модели, лежащей в основе DLSS.

DLSS 4 переключается на использование модели Transformer, которая представляет собой уникальный тип модели искусственного интеллекта, которая может обрабатывать вдвое больше параметров для каждого кадра сцены. Это означает, что он может более точно воспринимать содержание того, что видит и что происходит, что позволяет ему выполнять более сложные вычисления и в конечном итоге создавать изображение более высокого качества.

Последняя модель играет ключевую роль в DLSS 4, улучшая каждый аспект, который способствует улучшению визуального качества и производительности по сравнению с предыдущей версией.

Несколько систем в одной

Deep Learning Super Sampling (DLSS) 4 выходит за рамки простого масштабирования изображений; это набор технологий, которые совместно повышают производительность, улучшают качество изображения и минимизируют задержку. Более того, процесс генерации кадров претерпел существенные улучшения, что позволяет создавать в три раза больше кадров, чем в DLSS 3.5.

Эта сеть систем совместной работы значительно повышает визуальное качество и производительность DLSS по сравнению с предыдущими экземплярами. Одна система фокусируется на увеличении разрешения (DLSS Super Разрешение), а другая занимается освещением и тенями (DLSS Ray Reconstruction). Функция генерации кадров DLSS увеличивает количество кадров, а функция Reflex 2.0, отличающаяся от DLSS, минимизирует задержку, обеспечивая минимальную задержку ввода во время игры.

Как энтузиаст игр, я хотел бы поделиться некоторыми мыслями о DLSS Super Разрешение — замечательной функции, которая улучшает качество изображения за счет увеличения разрешения. Если вы наткнулись на DLSS в меню игры, возможно, вы заметили разные настройки: «Сверхпроизводительность», «Производительность», «Сбалансированный» и «Качество» — это общие настройки. Эти настройки управляют разрешением рендеринга игры, которое служит основой для увеличения нейронной модели.

С появлением модели TNN технология Deep Learning Super Разрешение (DLSS) значительно повышает качество изображения, обеспечивая значительно более четкие результаты, сохраняющие сложные детали даже во время движения. Четкость может конкурировать с собственным разрешением или даже превосходить его, благодаря чему изображения кажутся исключительно четкими. Хотя часто обсуждаются улучшения, выходящие за пределы собственного разрешения, когда оно работает эффективно, результат визуально ошеломляет. Влияние TNN особенно заметно в тонких деталях, таких как текстуры, тонкие края и типографика.

Вторая важная часть DLSS, которая продемонстрировала значительные достижения, называется Ray Reconstruction. Этот компонент вместо традиционных шумоподавителей (систем, устраняющих зернистость и нежелательный «шум» из сцены), концентрирует особенно на изучении и воссоздании деталей освещения и теней. Подобно DLSS в целом, он был обучен с использованием многочисленных часов данных, чтобы улучшить понимание различных ситуаций освещения и их идеальное представление при рендеринге в реальном времени.

Модель TNN значительно расширяет возможности понимания реконструкции лучей DLSS по сравнению с предыдущей моделью, что делает улучшения заметными. Напротив, модели CNN было сложно обрабатывать мелкие детали, такие как линии и быстро движущиеся тени, в DLSS Ray Reconstruction. Как вы можете видеть на рисунке выше, результаты говорят сами за себя; однако аналогичные улучшения наблюдаются и в других местах.

Заметное мерцание в отдаленных местах, например, на линиях электропередачи или в тенях, значительно уменьшилось. Движущиеся объекты, такие как потолочные вентиляторы, кажутся более четкими. Своеобразный феномен «пузырящихся теней» сейчас почти не заметен. Хотя игровые сцены могут быть противоречивыми и требуют дальнейшего тестирования и доработки для принятия окончательных решений, сложно оспаривать тот факт, что это улучшение не является значительным шагом вперед для технологии DLSS.

Как геймер, я нашел потрясающее обновление суперразрешения DLSS: сглаживание глубокого обучения, или сокращенно DLAA. В отличие от традиционного сглаживания, эта технология значительно повышает мое собственное разрешение за счет сглаживания, улучшенного TNN. Он профессионально справляется со сглаживанием краев, сохраняя эти улучшения, даже когда все движется. Конечный результат? Сверхчеткое изображение, которое выглядит намного четче, чем при игре в исходном разрешении со стандартным сглаживанием. Это все равно что видеть игровой мир в высоком разрешении!

Геймеры, использующие старые видеокарты, могут обновить свои возможности с помощью новейшей модели Transformer через приложение Nvidia, а также у них есть возможность включить режим сглаживания глубокого обучения (DLAA) или DLSS Ultra Performance для улучшения визуальных эффектов.

Генерация кадров и генерация нескольких кадров

Генерация кадров Deep Learning Super-Sampling (DLSS), представленная в серии RTX 40, поначалу вызвала споры, но с тех пор получила широкое признание как эффективный метод повышения производительности игры. Я буду называть эту технологию «генерацией одного кадра» (SFG). Это нововведение позволяет тензорным ядрам графического процессора генерировать искусственный кадр, используя информацию из предыдущего. С SFG геймеры могут играть с более высокими разрешениями и частотой кадров, чем они могли бы достичь в противном случае, оптимизировать свои игровые мониторы с высокой частотой обновления и в целом наслаждаться более плавным игровым процессом.

Проще говоря, новая система может создавать до трех фальшивых кадров наряду с каждым реальным кадром, который она визуализирует, благодаря расширенным возможностям DLSS 4 и ее обновленной модели Transformer. Эта новая функция называется DLSS Multi Frame Generation (MFG). Улучшенная производительность новейшей технологии TNN позволяет это сделать, а также заменить традиционный оптический поток нейронной сетью вместо использования аппаратного ускорителя оптического потока, который имеется в видеокартах серии RTX 40. Поскольку эта система оптического потока на основе искусственного интеллекта является эксклюзивной для серии RTX 50, функция многокадровой генерации DLSS в настоящее время доступна только для этого поколения.

Проще говоря, оптический поток относится к способности ИИ понимать и изображать элементы и движения в определенных условиях на основе своей нейронной сети. По мере того как преобразователь исследует каждую сцену более детально, собирая больше точек данных, он становится лучше и с большей точностью предсказывает, что может произойти в будущем.

Поскольку рендеринг TNN обрабатывает 75% кадров при максимальной мощности, серия RTX 50 предлагает в качестве дополнительной функции перевернутый замер. Измерение переворота имеет решающее значение, поскольку оно регулирует синхронизацию кадров для обеспечения плавного игрового процесса. Тем не менее, Nvidia рекомендует не превышать уровень MFG, превышающий уровень, необходимый для соответствия частоте обновления вашего монитора. Превышение этого предела в погоне за самым высоким FPS может привести к визуальным искажениям из-за несоответствий.

Подведение итогов

Грядущий DLSS 4 — это лишь один из аспектов игрового будущего на базе искусственного интеллекта, которое Nvidia видит для геймеров на ПК, и его определенно стоит с нетерпением ждать. Кажется, что эта технология предназначена для широкого круга пользователей, но она может оказаться особенно полезной для геймеров, использующих графические процессоры средней и низкой производительности. Продлив срок службы своего оборудования и обеспечив более высокие разрешения и настройки графики, чем обычно, DLSS 4 может предложить игровые возможности, которые в противном случае были бы недостижимы. Время раскроет весь потенциал DLSS 4, и, если история послужит ориентиром, Nvidia, вероятно, будет расширять эту технологию на протяжении всего жизненного цикла продукта. На данный момент кажется, что DLSS 4 собирается произвести сильное первое впечатление.

Смотрите также

2025-01-23 19:27