El supermuestreo de aprendizaje profundo de Nvidia frente al enfoque de imagen Radeon de AMD.
DLSS versus RIS.
Acrónimo versus acrónimo.
Eso no es nada nuevo en la guerra de los gráficos: desde mediados de 2019, AMD y Nvidia han estado intercambiando golpes.
Las tarjetas gráficas vuelven a ser supercompetitivas tanto en la gama baja como en la gama media del mercado, con tarjetas de Big Green como la GeForce RTX 2070 Super que brindan velocidades de cuadro increíbles para los fieles a Nvidia, mientras que la Radeon RX 5600 XT ha ingresado al campo como la propuesta de valor más sólida de AMD para juegos de alto rendimiento en siglos.
Con estas dos tarjetas que compiten estrechamente llenando la mayoría de los nichos para el juego de 1080p y 1440p, junto con aproximadamente media docena más divididos entre las dos compañías, la primera mitad de 2020 ha visto la conversación cambiar de la cantidad de teraflops que cada GPU empaqueta bajo su cubierta a qué tipo de funciones de software adicionales ofrecen las tarjetas una vez instaladas en su equipo.
Dado que hay cuatro modelos de GPU diferentes solo para cubrir el rango de $ 200 a $ 300, los fabricantes de GPU como AMD y Nvidia deben hacer todo lo posible para diferenciarse.
A veces, esto equivale a juegos exclusivos, o puede reducirse a enfoques completamente nuevos sobre la forma en que los juegos son procesados ??por una GPU, como la red de aprendizaje de inteligencia artificial neuronal DLSS de Nvidia.
Desde el lanzamiento de esas dos tarjetas mencionadas anteriormente (y algunas más), ambas compañías han comenzado a promocionar las capacidades ofrecidas por sus nuevas y respectivas tecnologías de mejora de imagen: DLSS para Nvidia y RIS para AMD.
Sin embargo, no son lo mismo.
Además, como si las cosas no fueran lo suficientemente confusas, dos otro Los enfoques de agudización (Freestyle de Nvidia y el proyecto de posprocesamiento de código abierto ReShade) utilizan sus propios enfoques y son parte de la refriega.
¿Qué son exactamente estas tecnologías y cuánta claridad visual pueden aportar realmente a tus juegos favoritos? En esta serie de análisis profundo de varias partes, probaremos minuciosamente, volveremos a probar y capturaremos la pantalla de cada tecnología y afilador (en todas las resoluciones relevantes) para ver cuáles hacen el mejor trabajo.
En primer lugar: suavizado frente a afilado
Antes de sumergirnos, comencemos con una aclaración rápida sobre las tecnologías de las que hablaremos.
Si le gustan los juegos, el suavizado es un término familiar.
Se refiere a una de varias técnicas con el mismo objetivo: suavizar los bordes irregulares alrededor de un personaje, un fondo o un objeto en un videojuego para que se vea lo más parecido posible a algo que verías en el mundo real.
Las implementaciones más comunes de anti-aliasing en los juegos modernos se conocen como FXAA (anti-aliasing rápido aproximado), TAA (anti-aliasing temporal), MSAA (anti-aliasing multimuestra) y SMAA (anti-aliasing morfológico de subpíxeles mejorado).
Sin embargo, el suavizado consume muchos recursos.
Estos diferentes sabores de suavizado tradicional pueden suprimir el rendimiento de sus gráficos por márgenes significativos, dependiendo del juego que esté jugando, qué tan bien optimizado esté y su configuración de hardware específica.
El redondeo de polígonos es uno de los trabajos más exigentes para su tarjeta gráfica, por lo que cualquier pequeño avance en la tecnología puede dar lugar a importantes saltos en las velocidades de fotogramas.
En pocas palabras, DLSS descarga el esfuerzo de renderizado del anti-aliasing a una red de IA y usa los núcleos Tensor en las tarjetas RTX para procesar esos datos en conjunto con los servidores de Nvidia.
Y para aclarar en el caso del DLSS de Nvidia: DLSS puede ser tanto un escalar y un suavizado tecnología en uno, dependiendo de la resolución a la que estés jugando.
(El aumento de escala es la práctica de mejorar la calidad de una imagen que puede aparecer más borrosa o renderizada en una resolución más baja).
Esto ocurre a través de una red de aprendizaje neuronal increíblemente compleja basada en IA, conocida como NGX, que se entrena en decenas de miles de imágenes fijas.
imágenes de un juego.
La IA usa esos aprendizajes para mostrar una imagen renderizada más limpia y eficiente de lo que son capaces de hacer las técnicas tradicionales de anti-aliasing.
Por el contrario, RIS de AMD, Freestyle de Nvidia y ReShade se incluyen en una nueva categoría de técnicas de mejora de la imagen conocidas como "afiladores".
Aunque cada tecnología apunta al mismo fin (juegos de mejor apariencia que no afectan el rendimiento y, en algunos casos, incluso pueden mejorarlo), las formas en que abordan el problema son bastante diferentes.
DLSS es un estilo de suavizado / escalado que utiliza inteligencia artificial y una supercomputadora de red neuronal para determinar dónde se puede escalar una imagen desde la resolución renderizada (generalmente 1080p, 1440p o 4K) sin perder rendimiento.
Los sacapuntas, por otro lado, afectan la fidelidad visual de un juego en el nivel de posprocesamiento y se activan solo una vez que la GPU ha renderizado completamente la imagen de un juego.
Con los bordes de los objetos del juego afilados de forma inteligente mediante un algoritmo, los jugadores pueden ejecutar un juego en una versión reducida que se lee, a simple vista, como si no fuera diferente del nivel de renderizado de resolución real.
Este tipo de técnica ahorra rendimiento sin sacrificar la fidelidad visual que los jugadores esperan cuando juegan a resoluciones más altas.
Con esa lección fuera del camino, echemos un vistazo más de cerca a cada enfoque.
DLSS 1.0: el primer intento de Nvidia
DLSS 1.0 era una técnica anti-aliasing que tenía como objetivo reemplazar tecnologías tradicionales como FXAA, SMAA y TAA, y se lanzó por primera vez aproximadamente seis meses después de que el hardware GeForce RTX que lo impulsa llegara a los estantes.
Hemos explicado los rudimentos de cómo funciona DLSS en algunos de nuestros resúmenes de tarjetas gráficas actuales, pero aquí está en pocas palabras.
Primero, Nvidia alimenta un juego habilitado para DLSS a través de sus supercomputadoras de inteligencia artificial de red neuronal.
Estas poderosas computadoras ejecutan cada escena en el título cientos y miles de veces, analizando áreas donde las imágenes se pueden enfocar y los bordes se limpian para producir una imagen de apariencia más nítida con resoluciones más bajas.
¿El principal objetivo de todo este esfuerzo? Es para hacer un juego que se está renderizando a una más bajo resolución se ve tan buena como una que se renderizó de forma nativa en un más alto resolución.
Esta eficiencia puede aumentar las velocidades de cuadro de un juego hasta en un 33 por ciento en algunos títulos, todo sin sacrificar la fidelidad gráfica por la que los jugadores pagaron todo ese dinero extra (por una tarjeta de video GeForce RTX robusta) para experimentar.
Fue perfecto? Entraremos en los aspectos cualitativos más adelante, pero la tecnología en sí tenía un montón de advertencias adjuntas al lanzamiento.
Si bien las mejoras en el rendimiento ciertamente no fueron nada para olfatear, estaba lejos de convertirse en un reemplazo permanente de las tecnologías anti-aliasing tradicionales en ese momento.
La primera advertencia: la cantidad de juegos que admitían DLSS.
Debido a que Nvidia necesita entrenar todos los juegos (en todas las resoluciones) que querían usar DLSS a través de sus propias supercomputadoras, la capacidad de los desarrolladores para usarlo en sus títulos estaba limitada por el ancho de banda de Nvidia (y todavía lo es hoy, pero menos).
El resultado de este cuello de botella: más de un año después de que se anunció por primera vez la función, menos de 30 juegos en el mercado tenían la opción de activarla.
El segundo problema con DLSS fue el artefacto, o más específicamente, el "halo".
Este subproducto de DLSS se notó por primera vez en la implementación original de Battlefield V de DLSS, el primer juego en ofrecer soporte para la tecnología.
Se manifestaba como una especie de "mancha" de texturas alrededor de los bordes finos, como se podría haber encontrado en el punto de mira de una pistola o en los detalles del reloj de un personaje.
No se notaba demasiado a menos que lo estuvieras buscando, especialmente en juegos con mucha acción de movimiento rápido.
Pero, en ciertos títulos, fue lo suficientemente pronunciado como para que el beneficio de rendimiento no valiera la pena tener personajes, elementos o paisajes que parecieran degradados como compensación.
Nvidia se tomó en serio las críticas de su primera vuelta a esto, y en este lanzamiento de 2020, la compañía parece haber aprendido mucho sobre lo que salió mal la primera vez y cómo asegurarse de que no vuelva a cometer los mismos errores.
en DLSS 2.0.
DLSS 2.0: una fuerte corrección de rumbo
A principios de esta semana, Nvidia dio a conocer la siguiente fase, denominada DLSS 2.0.
Comprender los detalles técnicos de cómo los ingenieros de Nvidia han realizado mejoras de DLSS 1.0 a DLSS 2.0 requeriría una tesis de maestría para enunciar completamente, pero estas son las promesas principales:
1.
La red es mucho más fácil de entrenar que antes, lo que significa que, en teoría, más juegos deberían admitirla que DLSS 1.0.
2.
Las ganancias de rendimiento deberían ser más altas que antes.
3.
Se ha aumentado la calidad visual y la fidelidad general de los renders.
4.
Los usuarios tendrán un mayor nivel de control sobre cómo se comporta DLSS por juego.
Además, con la incorporación de la integración de Unreal Engine 4, los desarrolladores y programadores podrán crear sus juegos desde cero para usar DLSS de formas más eficientes que nunca.
Ahora claro, Nvidia hace muchas afirmaciones cuando se trata de sus últimos lanzamientos de tecnología.
Pero, ¿cómo se compara DLSS 2.0 en rendimiento cuando se compara con versiones del mismo juego que no están habilitadas para DLSS? Investigamos para averiguarlo.
Benchmarking DLSS 2.0: tomemos el 'control'
En muchos sentidos, el Control de durmientes (de los desarrolladores de Alan Wake) parece haber sido creado desde el principio con el trazado de rayos en mente.
A diferencia de los juegos que se lanzaron sin trazado de rayos y que lo parchearon después del hecho (Shadow of the Tomb Raider y Battlefield 5, solo por nombrar un par), Control tenía el trazado de rayos integrado en el núcleo del motor, lo que significa que puedes ...
.Espéralo ...control el esquema de iluminación más profundamente que en cualquier otro título con trazado de rayos hasta la fecha.
En este juego, puedes configurar casi todos los aspectos de cómo se comporta el trazado de rayos, incluido el tipo de reflejos que se emitirán y si la iluminación se difunde o no en ángulos indirectos.
Para la mayoría de los usuarios, es suficiente usar uno de los ajustes preestablecidos disponibles.
Pero para los revisores como yo, ofrece una oportunidad perfecta para ver si DLSS 2.0 puede cumplir con lo que Nvidia ha estado afirmando que la iteración 1.0 original haría durante más de un año: compensar la carga computacional del trazado de rayos a una red de IA para que los juegos puedan luce bonita y corre rápido al mismo tiempo.
Por esta razón, Control es ...
