Ris vs dlss: hvilken billedskaleringsteknologi er bedre?

I dag vil vi tale om sammenligningen mellem RIS vs DLSS , to teknologier relateret til billedet af henholdsvis AMD og Nvidia . Det er sandt, at dette sekund har modtaget mere opmærksomhed fra en stor del af offentligheden, men vi må ikke undervurdere Radeon Image Sharpening . Selvom deres implementeringer er forskellige, er det, der interesserer os, at deres opgaver er ens.

I tilfælde af at du undrede dig over, er hovedbilledet af artiklen en sammenligning af billeder af Halo 2 vs Halo 2 Remastered. Den visuelle forbedring skyldes ikke nogen af ​​de to software, men den synes noget relateret til os, da begge teknologier regenererer og forbedrer rammer.

Indholdsindeks

Teknologier til omskalering og retouchering af billeder: RIS vs DLSS

Lad os starte med at definere, hvor grænserne for det, vi taler om er, ikke? I RIS vs DLSS sammenligning er der mange ting, man skal overveje, men det, der interesserer os mest, er formålet med begge programmer.

Det, der er klart for os, er, at både Radeon Image Sharpening og Deep Learning Super Sampling er omskalering og billedforbedringsteknologier. Imidlertid har hver en anden implementering.

Begge teknologier "reducerer" størrelsen på den ramme, der skal gengives, og forbedrer derefter billedkvaliteten, så denne ændring ikke ses.

• Det første trin sikrer, at både grafikken og processoren kan arbejde med langt mindre arbejdsbelastning. Når alt kommer til alt er gengivelse af et billede ved 1080p et meget lettere job end at gengive det på 4 K. Det andet trin er en algoritme, der 'regenererer' billedet, så det ikke ser 1080p ud, men f.eks. 4K. Med mere eller mindre succes gør begge algoritmer dette hårde arbejde og (eller ikke) narre vores øjne.

Hvis jobbet udføres godt, nyder brugeren højere fps på niveau med identisk billedkvalitet. I værste tilfælde vil vi se forkert beregninger, mærkelige artefakter og andre små bugs.

Men som nogle kloge mænd siger 'djævelen er i detaljerne' . Ligesom en flagermus vinger og en fugls vinger, er RIS vs DLSS teknologier, hvis opgaver for det meste konvergerer, men hvis måder at opnå det adskiller sig på. Af denne grund vil vi tale individuelt om hver implementering nedenfor.

AMDs løsning: Radeon Image Sharpening

Den teknologi, AMD bringer til spillereglen, er ret interessant. Det implementeres sammen med open source-værktøjet AMD Fidelity FX , hvilket betyder, at ethvert videospil med denne pakke installeret vil nyde AMD RIS .

Hovedafsnittet i Radeon Image Sharpening er den adaptive algoritme til kontrastindstilling. Det har et mærkeligt navn, men det fortæller os, at det retuscherer og forbedrer billederne tættest på kameraet, mens de næppe retoucherer baggrunde. Forbedringen ses i nogle strukturer, og den samlede billedkvalitet er fremragende.

Imidlertid kan denne funktionalitet kombineres med omskalering for at maksimere kraften i vores komponenter. I nogle titler som Fornite kan vi reducere opløsningen til projekt indfødt.

I vores vindue (for eksempel 1920 × 1080) kan vi have en opløsning i spillet på 100% (1920 × 1080) eller 50% (960 × 540) . Reduktion af pixels gør arbejdet meget mindre hårdt, og at vi kan få flere fps, men til gengæld er billedet kompromitteret.

Af denne grund kan blanding af visuel retouchering sektion sammen med et nedskaleret billede væsentligt forbedre spiloplevelsen.

Et andet punkt at bemærke er, at denne teknologi kun er tilgængelig til Navi og Polaris- grafik, skønt ikke i alle titler. Vi kan kun aktivere disse funktioner i videospil med Fidelity FX og API'er DirectX 9 (kun Navi), DirectX 12 eller Vulkan .

Det er ikke det bedste, der er, men det vigtige er, at det er orienteret for fremtiden. Det næste skridt, som det røde hold ønsker at tage, er at tilbyde support til DirectX 11 .

Nvidias løsning : Deep Learning Super Sampling

Den løsning, Nvidia er kommet på, er noget anderledes. Det blev annonceret, testet og frigivet et stykke tid før dets konkurrence, men det gør det ikke mere dateret. Faktisk vil vi sige, at det er det modsatte.

Deep Learning Super Sampling er en teknologi, der bruger det nye system, der bruger kunstige intelligens- kerner fra Nvidia RTX- grafik. Årsagen er ganske klar: DLSS bruger en algoritme baseret på arbejdet i en AI , der lærer. Det er imidlertid ikke nøjagtigt den samme algoritme som Radeon Image Sharpening .

I tilfælde af DLSS trænes en supercomputer til at ændre størrelsen på billeder.

• Først får du tusinder af rammer med og uden antialiasering og bliver bedt om at lære, hvordan man finder forskellene, derefter får du et sæt billeder i mellem- eller lav opløsning, der skal ændres til høj opløsning. Billederne sammenlignes, og hvis resultatet er ens, forbedres algoritmen. Men hvis det har alvorlige fejl, korrigerer forskerne det og forsøger at få maskinen til at generere nye regler for at gøre det bedre.

Denne proces gentages tusinder eller millioner af gange over dage eller måneder for at træne AI.

Det fremhæver, at selvom RIS foretager ændringer for at forbedre billedet og rescalerer billeder i baggrunden, er det her bare omvendt. Desuden tillader brugen af neurale netværk, at denne proces kontinuerligt udvikles, hvilket gør DLSS til at fungere bedre og bedre.

Her er en video, hvor de sammenligner en klassisk billedbehandlingsalgoritme med en AI- baseret testalgoritme:

Det har imidlertid den ulempe, at vi kun har denne teknologi i Nvidia RTX- grafik. Ved at bruge RT- kernerne kan ingen anden grafik tilbyde denne funktionalitet.

For at introducere denne software kan vi ikke blot implementere et værktøj, som i konkurrencen. I tilfælde af DLSS skal hver undersøgelse implementere det "manuelt" i deres kode, og for hver grafikmotor er der flere forskelle. Af denne grund er DLSS ikke så let at implementere.

RIS vs DLSS:

Derfor er den mest indlysende konklusion, som vi kan tilbyde dig, at begge teknologier opnår lignende ting, men deres opgaver er ikke så ens.

Ulempen er, at de to er begrænset til deres mærker, så det ser ikke ud til, at vi vil være i stand til at se en kombination af begge i den nærmeste fremtid. På trods af dette skal du bruge den platform, du bruger, du vil have en god teknologi til at læne dig op på.

I dag omrører komponenter af verden, og det er godt for brugerne.

• CPU'erne har oplevet en god lancering, der har destabiliseret den store Intel . På den anden side går AMD med et sikkert trin inden for grafik. Det blå team forbereder også sin diskrete grafik, så ingen ved, hvad der vil ske.

Hvem ved, måske i fremtiden kan vi se RIS vs. DLSS vs. Intel Technology . Eller måske kan vi se en kombination af de to eller tre teknologier, fordi konkurrencen tager endnu en farvetone.

Vær det som det kan, her har vi vist dig størstedelen af ​​forskellene mellem disse to utrolige teknologier. Vi håber, at du har forstået det let, og at du har lært noget nyt. Desuden opfordrer vi dig til at læse og søge efter information om disse emner, da disse nye teknologier er baseret på meget interessante ideer.

Og du, tror du, at Intel vil etablere sig som den tredje konkurrence inden for integreret grafik? Hvilken teknologi synes du er bedre RIS vs DLSS ? Del dine ideer i kommentarfeltet.

AMD RISNvidia DLSS SourceNvidia DLSS FAQ