Ris vs dlss: เทคโนโลยีลดขนาดภาพใดดีกว่ากัน?

วันนี้เราจะพูดถึง การเปรียบเทียบระหว่าง RIS กับ DLSS สองเทคโนโลยีที่เกี่ยวข้องกับภาพของ AMD และ Nvidia ตามลำดับ มันเป็นความจริงที่วินาทีนี้ได้รับความสนใจมากขึ้นจากส่วนใหญ่ของสาธารณะ แต่ เราจะต้องไม่ประมาท Radeon Image Sharpening แม้ว่าการใช้งานของพวกเขาจะแตกต่างกันสิ่งที่เราสนใจคืองานของพวกเขาคล้ายกัน

ในกรณีที่คุณสงสัยภาพหลักของบทความคือการเปรียบเทียบภาพของ Halo 2 กับ Halo 2 Remastered การปรับปรุงด้านภาพนั้นไม่ได้เกิดจากทั้งสองโปรแกรม แต่ดูเหมือนว่าค่อนข้างเกี่ยวข้องกับเราเนื่องจากเทคโนโลยีทั้งสอง สร้างใหม่และปรับปรุงเฟรม

ดัชนีเนื้อหา

เทคโนโลยีการลดขนาดและการปรับแต่งภาพ: RIS vs DLSS

เริ่มจาก การกำหนดขอบเขต ของสิ่งที่เรากำลังพูดถึงใช่มั้ย ในการ เปรียบเทียบ RIS กับ DLSS มีหลายสิ่งที่ต้องพิจารณา แต่สิ่งที่เราสนใจมากที่สุดคือ จุดประสงค์ของทั้งสองโปรแกรม

สิ่งที่ชัดเจนสำหรับเราก็คือทั้ง การสุ่มตัวอย่าง ภาพ Radeon และ การเรียนรู้อย่าง Super Sampling เป็นการ ปรับขนาดและ เทคโนโลยี การปรับปรุงภาพ อย่างไรก็ตามแต่ละคนมีการใช้งานที่แตกต่างกัน

เทคโนโลยีทั้งสอง “ ลด” ขนาดของเฟรมที่จะเรนเดอร์ และปรับปรุงคุณภาพของภาพเพื่อไม่ให้การเปลี่ยนแปลงนี้สังเกตเห็นได้

• ขั้นตอนแรกช่วยให้มั่นใจได้ว่าทั้งกราฟิกและโปรเซสเซอร์สามารถทำงานได้ กับปริมาณงานที่น้อยลง ท้ายที่สุดแล้วการเรนเดอร์รูปภาพที่ 1080p นั้นเป็นงานที่ เบา กว่าการเรนเดอร์ที่ 4K ขั้นตอนที่สองเป็น อัลกอริทึมที่ 'สร้าง' รูปภาพใหม่ เพื่อให้ดูเหมือนไม่ 1080p แต่ 4K ด้วยความสำเร็จที่มากขึ้นหรือน้อยลงอัลกอริทึมทั้งสองทำงานอย่างหนัก และ (หรือไม่) หลอกตาเรา

หากงานนั้นทำได้ดีผู้ใช้ก็จะเพลิดเพลินไป กับ fps ที่สูงกว่าด้วยคุณภาพของภาพ ในกรณีที่เลวร้ายที่สุดเราจะเห็นการคำนวณผิด, สิ่งแปลกประหลาดและข้อบกพร่องเล็ก ๆ อื่น ๆ

แต่อย่างที่นักปราชญ์บางคนพูดว่า 'มารอยู่ในรายละเอียด' เช่นเดียวกับปีกของค้างคาวและปีกของนก RIS vs DLSS เป็นเทคโนโลยี ที่ภารกิจมาบรรจบกันเป็นส่วนใหญ่ ด้วยเหตุนี้เราจะพูดคุยเป็นรายบุคคลเกี่ยวกับการใช้งานแต่ละด้านล่าง

โซลูชั่น ของ AMD : การ เหลาภาพ Radeon

เทคโนโลยีที่ AMD นำมาสู่การเล่นนั้น ค่อนข้างน่าสนใจ มันถูกนำมาใช้ควบคู่ไปกับเครื่องมือโอเพนซอร์ซ AMD Fidelity FX ซึ่งหมายความว่า วิดีโอเกมใด ๆ ที่ติดตั้งชุดนี้จะสนุกกับ AMD RIS

ส่วนหลักของ Radeon Image Sharpening คืออัลกอริธึม การปรับความคมชัดแบบปรับตัว มันมีชื่อแปลก ๆ แต่มันมาบอกเราว่ามัน ตกแต่งและปรับปรุงภาพที่อยู่ใกล้กับกล้องมากที่สุดในขณะที่แทบจะไม่ทำการตกแต่งพื้นหลัง การปรับปรุงนั้นเห็นได้ชัดเจนในพื้นผิวบางส่วนและคุณภาพของภาพโดยรวมนั้นยอดเยี่ยม

อย่างไรก็ตามฟังก์ชั่นนี้สามารถใช้ ร่วมกับการลดอัตราการสุ่ม เพื่อเพิ่มประสิทธิภาพให้กับส่วนประกอบของเรา ในบางชื่อเช่น Fornite เราสามารถลดความละเอียดเป็นโปรเจคเนทีฟได้

ในหน้าต่างของเรา (ตัวอย่างเช่น 1920 × 1080) เราสามารถมี ความละเอียดในเกม 100% (1920 × 1080) หรือ 50% (960 × 540) การลดจำนวนพิกเซลทำให้การทำงานหนักน้อยลงและเราสามารถรับ fps ได้มากขึ้น แต่ ในการแลกเปลี่ยนภาพก็ลดลง

ด้วยเหตุนี้การผสมส่วนตกแต่งภาพกับภาพที่มีขนาดเล็กลง สามารถ ปรับปรุงประสบการณ์การเล่นเกมได้อย่างมาก

อีกประเด็นที่ควรทราบก็คือเทคโนโลยีนี้ ใช้ได้ เฉพาะ กับกราฟิก Navi และ Polaris เท่านั้น ถึงแม้ว่าจะไม่ได้อยู่ในทุกชื่อ เราสามารถเปิดใช้งานคุณสมบัติเหล่านี้ในวิดีโอเกม ด้วย Fidelity FX และ APIs DirectX 9 (Navi เท่านั้น), DirectX 12 หรือ Vulkan

มันไม่ได้ดีที่สุดเท่าที่มีอยู่ แต่สิ่งที่สำคัญคือมัน มุ่งเน้นไปที่อนาคต ขั้นตอนต่อไปที่ทีมสีแดงต้องการทำคือให้ การสนับสนุน DirectX 11

วิธีแก้ปัญหา ของ Nvidia: Super Learning Super Sampling

วิธีแก้ปัญหาที่ Nvidia เกิดขึ้นนั้น ค่อนข้างแตกต่างกัน มีการประกาศทดสอบและวางจำหน่ายก่อนการแข่งขัน แต่ก็ไม่ได้ทำให้ล้าสมัย ในความเป็นจริงเราจะบอกว่ามันตรงกันข้าม

Deep Learning Super Sampling เป็นเทคโนโลยีที่ใช้ ระบบใหม่ที่ใช้คอร์ ปัญญาประดิษฐ์ จาก กราฟิก Nvidia RTX เหตุผลค่อนข้างชัดเจน: DLSS ใช้อัลกอริธึมตามงานของ AI ที่เรียนรู้ อย่างไรก็ตามมันไม่ได้เป็นอัลกอริทึมเดียวกันกับของ Radeon Image Sharpening

ในกรณีของ DLSS ซูเปอร์คอมพิวเตอร์ได้รับการฝึกฝน ให้ปรับขนาดภาพ

• ในตอนแรกคุณจะได้รับเฟรมหลายพันเฟรม โดยมีและไม่มีการลดรอยหยัก และขอให้เรียนรู้วิธีค้นหาความแตกต่างจากนั้นคุณจะได้รับชุดรูปภาพที่ความละเอียดปานกลางหรือต่ำ เพื่อปรับขนาดด้วยความละเอียดสูง ภาพจะถูกเปรียบเทียบและหากผลลัพธ์มีความคล้ายคลึงกัน อัลกอริทึมก็กำลังดีขึ้น อย่างไรก็ตามหากมีข้อบกพร่องร้ายแรงนักวิจัยจะแก้ไขและพยายามทำให้เครื่อง สร้างกฎใหม่เพื่อให้ดีขึ้น

กระบวนการนี้ซ้ำ หลายพันหรือล้านครั้งในช่วงวันหรือหลายเดือน เพื่อฝึกอบรม AI

มันเน้นว่าในขณะที่ RIS ทำการเปลี่ยนแปลงเพื่อปรับปรุงภาพและ rescals ภาพในพื้นหลัง ที่นี่เป็นเพียงวิธีอื่น ๆ นอกจากนี้การใช้ Neural Networks ช่วยให้ กระบวนการนี้มีวิวัฒนาการอย่างต่อเนื่อง ทำให้ DLSS ทำงานได้ดีขึ้นและดีขึ้น

นี่คือวิดีโอที่พวกเขาเปรียบเทียบ อัลกอริทึม การประมวลผลภาพแบบ คลาสสิก กับ อัลกอริทึมการทดสอบแบบ AI :

อย่างไรก็ตามมันมีข้อเสียที่ เรามีเพียงเทคโนโลยีนี้ใน กราฟิก Nvidia RTX ด้วยความต้องการคอร์ RT ไม่มีกราฟิกอื่นใดที่สามารถนำเสนอฟังก์ชันนี้ได้

นอกจากนี้เพื่อแนะนำซอฟต์แวร์นี้เราไม่สามารถ ใช้เครื่องมือ อย่างเช่นในการแข่งขัน ในกรณีของ DLSS การศึกษาแต่ละครั้งจะต้อง นำไปใช้ "ด้วยตนเอง" ในรหัสของพวกเขา และสำหรับเครื่องยนต์กราฟิกแต่ละตัวมีความแตกต่างหลายประการ ด้วยเหตุนี้ DLSS จึงไม่สะดวกในการติดตั้ง

RIS กับ DLSS:

ดังนั้นข้อสรุปที่ชัดเจนที่สุดที่เราสามารถเสนอให้คุณได้คือ เทคโนโลยีทั้งสองบรรลุสิ่งที่คล้ายกัน แต่งานของพวกเขาไม่เหมือนกัน

ข้อเสียคือ ทั้งสองถูก จำกัด ให้กับแบรนด์ของพวกเขา ดังนั้นดูเหมือนว่าเราจะไม่สามารถเห็นการรวมกันของทั้งสองในอนาคตอันใกล้ แม้จะมีสิ่งนี้ใช้แพลตฟอร์มที่คุณใช้คุณจะมี เทคโนโลยีที่ดีในการพึ่งพา

วันนี้โลกขององค์ประกอบกำลังตื่นเต้นและเป็น สิ่งที่ดีสำหรับผู้ใช้

• ซีพียู นั้นมีประสบการณ์ในการเปิดตัวที่ยอดเยี่ยมซึ่ง ทำให้ Intel ที่ยอดเยี่ยมมีความเสถียร ในทางกลับกัน AMD กำลังก้าวไป อย่างปลอดภัยในด้านกราฟิค นอกจากนี้ทีมสีน้ำเงินกำลังเตรียมกราฟิคแยกต่างหากดังนั้นจึง ไม่มีใครรู้ว่าจะเกิดอะไรขึ้น

ใครจะรู้บางทีในอนาคตเราสามารถเห็น RIS กับ DLSS กับเทคโนโลยีของ Intel หรือบางทีเราอาจเห็นการรวมกันของสองหรือสามเทคโนโลยีเพราะ การแข่งขันต้องใช้โทนสีอื่น

ไม่ว่าจะเป็นที่นี่เราได้แสดงให้คุณเห็น ความแตกต่างส่วนใหญ่ระหว่างเทคโนโลยีที่น่าทึ่งทั้งสองนี้ เราหวังว่าคุณจะเข้าใจได้ง่ายและคุณได้เรียนรู้สิ่งใหม่ นอกจากนี้เราขอแนะนำให้คุณอ่านและค้นหาข้อมูลในหัวข้อ เหล่านี้ เนื่องจาก เทคโนโลยีใหม่เหล่านี้มีพื้นฐานมาจากแนวคิดที่น่าสนใจมาก

และคุณคิดว่า Intel จะสร้างตัวเองเป็นคู่แข่งที่สามในกราฟิกแบบรวมหรือไม่ เทคโนโลยีใดที่คุณคิดว่าดีกว่า RIS กับ DLSS แบ่งปันความคิดของคุณในช่องแสดงความคิดเห็น

AMD RISNvidia DLSS Source คำถามที่พบบ่อยเกี่ยวกับ DLSS ของ DLSS