DLSS utječe na kvalitetu slike, ali NVIDIA brzo reagira

Hardver / DLSS utječe na kvalitetu slike, ali NVIDIA brzo reagira 2 minute čitanja

Usporedba DLSS-a



Dugo očekivana igra Metro: Exodus napokon je stigla, s praćenjem zraka i super-uzorkovanjem dubokog učenja (DLSS). Nadalje, Battlefield 5 primio je ažuriranje koje omogućuje DLSS. Nvidijina RTX serija napokon pronalazi igralište koje će pravilno zasjati. Cijela poanta jezgri Tensor u liniji karata RTX bila je poboljšati refleksije i učiniti igre 'životnijima'. Da bi se to postiglo, kartice manipuliraju grafičkim postavkama poput Ray-Tracinga. Međutim, ubrzo nakon pokretanja otkrili smo da ove postavke značajno utječu na performanse.

Nvidia je to razumjela i već je radila na rješenju. To rješenje je DLSS. Pomoću DLSS-a igre bi mogle učinkovito 'učiti' iz uzoraka i trendova i pohraniti te podatke kako bi ih prezentirali za buduću uporabu, umjesto korištenja dragocjenih računalnih performansi za ponovno stvaranje slike. Značajka poput DLSS-a omogućuje igri da održava veći broj sličica u sekundi i da se igra više u većim rezolucijama. Međutim, DLSS koji su igrači do sada dobili ima mali problem.



Trenutno pitanje s DLSS-om

Problem s kojim se igrači suočavaju sa značajkom je taj što ona narušava ili uništava kvalitetu slike kad je značajka omogućena. Je li to problem s načinom predmemoriranja podataka ili je nešto drugo NVIDIA može saznati i popraviti. Trenutno je to nešto s čime se igrači moraju nositi kako bi održali fluidnije igračko iskustvo. U osnovi je to kompromis performansi za grafiku.



Tehnički direktor dubinskog učenja u NVIDIA-i, Andrew Edelstien, Objavljeno ovaj na web mjestu NVIDIA. Cilj prijenosa bio je pomoći korisnicima da bolje razumiju zašto je problem prevladavao. Kaže da je DLSS trebao biti korišten na ili niže od 60 fps i na višim rezolucijama, inače se DLSS neće pokazati kao veliko poboljšanje performansi. Nadalje, što se tiče problema s kvalitetom slike, rekao je da će problem biti riješen u dogledno vrijeme.



Algoritam dubokog učenja je onaj koji zahtijeva značajnu količinu osnovnih podataka kako bi razumio i stvorio situaciju za buduću upotrebu. Možda će trebati stotine puta analizirati istu scenu prije nego što bude u mogućnosti napraviti kristalno jasnu njezinu kopiju. Možda je to ono što je Andrew želio proslijediti svojim uploadom. Naravno, NVIDIA radi na poboljšanju brzine i analiziranju mogućnosti algoritma. Međutim, u međuvremenu, možemo mu dati samo više vremena i nadamo se da će se poboljšati prolaskom takvih.

Oznake hardver nvidia RTX