Ris vs DLSS: welke technologie voor het herschalen van afbeeldingen is beter?

Vandaag zullen we het hebben over de vergelijking tussen RIS en DLSS , twee technologieën die respectievelijk verband houden met het beeld van AMD en Nvidia . Het is waar dat deze seconde meer aandacht heeft gekregen van een groot deel van het publiek, maar we moeten de Radeon Image Sharpening niet onderschatten. Hoewel hun implementaties verschillend zijn, is het wat ons interesseert dat hun taken vergelijkbaar zijn.

In het geval dat je je afvroeg, is de hoofdafbeelding van het artikel een vergelijking van afbeeldingen van Halo 2 versus Halo 2 Remastered. De visuele verbetering is niet te danken aan een van de twee software, maar het lijkt enigszins op ons, omdat beide technologieën frames regenereren en verbeteren.

Inhoudsindex

Technologieën voor herschaling en beeldretouchering : RIS vs DLSS

Laten we beginnen met te definiëren waar de grenzen liggen van waar we het over hebben, toch? Bij de vergelijking tussen RIS en DLSS zijn er veel dingen om te overwegen, maar wat ons het meest interesseert, is het doel van beide programma's.

Wat ons duidelijk is, is dat zowel Radeon Image Sharpening als Deep Learning Super Sampling schaal- en beeldverbeteringstechnologieën zijn. Elk heeft echter een andere implementatie.

Beide technologieën "verkleinen" de grootte van het te renderen frame en verbeteren vervolgens de beeldkwaliteit zodat deze verandering niet merkbaar is.

• De eerste stap zorgt ervoor dat zowel de graphics als de processor met veel minder werklast kunnen werken . Het renderen van een afbeelding met 1080p is immers een veel lichtere klus dan het renderen met 4K De tweede stap is een algoritme dat de afbeelding 'regenereert' zodat het er niet 1080p uitziet, maar bijvoorbeeld 4K. Met min of meer succes doen beide algoritmen dit harde werk en (of niet) houden onze ogen voor de gek.

Als het werk goed wordt gedaan, geniet de gebruiker van hogere fps op gelijke voet met identieke beeldkwaliteit. In het ergste geval zullen we misrekeningen, vreemde artefacten en andere kleine bugs zien.

Maar zoals sommige wijzen zeggen: 'de duivel zit in de details' . Net als de vleugels van een vleermuis en de vleugels van een vogel, zijn RIS versus DLSS technologieën waarvan de taken meestal samenkomen, maar waarvan de manieren om dit te bereiken uiteenlopen. Daarom zullen we hieronder elke implementatie afzonderlijk bespreken.

AMD's oplossing: Radeon Image Sharpening

De technologie die AMD op het speelveld brengt, is best interessant. Het wordt geïmplementeerd naast de open source-tool AMD Fidelity FX , wat betekent dat elke videogame met dit pakket geïnstalleerd AMD RIS zal genieten.

Het belangrijkste onderdeel van de Radeon Image Sharpening is het adaptieve algoritme voor contrastafstemming. Het heeft een vreemde naam, maar het vertelt ons dat het retoucheert en de afbeeldingen die zich het dichtst bij de camera bevinden verbetert, terwijl de achtergronden nauwelijks worden geretoucheerd. De verbetering is merkbaar in sommige texturen en de algehele beeldkwaliteit is uitstekend.

Deze functionaliteit kan echter worden gecombineerd met herschaling om de kracht van onze componenten te maximaliseren. In sommige titels zoals Fornite kunnen we de resolutie verlagen om native te projecteren.

In ons venster (bijvoorbeeld 1920 × 1080) kunnen we een in-game resolutie van 100% (1920 × 1080) of 50% (960 × 540) hebben . De vermindering van pixels maakt het werk veel minder hard en dat we meer fps kunnen krijgen, maar in ruil daarvoor wordt de afbeelding aangetast.

Om deze reden kan het combineren van het visuele retoucheergedeelte met een verkleind beeld de spelervaring aanzienlijk verbeteren.

Een ander punt om op te merken is dat deze technologie alleen beschikbaar is voor Navi- en Polaris- graphics, hoewel niet in alle titels. We kunnen deze functies alleen activeren in videogames met Fidelity FX en API's DirectX 9 (alleen Navi), DirectX 12 of Vulkan .

Het is niet het beste wat er is, maar het belangrijkste is dat het gericht is op de toekomst. De volgende stap die het rode team wil zetten, is ondersteuning bieden voor DirectX 11 .

Nvidia's oplossing : Deep Learning Super Sampling

De oplossing die Nvidia heeft bedacht, is enigszins anders. Het werd aangekondigd, getest en enige tijd voor de concurrentie uitgebracht, maar dat maakt het niet gedateerd. We zouden zelfs zeggen dat het het tegenovergestelde is.

Deep Learning Super Sampling is een technologie die gebruik maakt van het nieuwe systeem dat gebruikmaakt van kunstmatige intelligentie- cores van Nvidia RTX graphics. De reden is vrij duidelijk: DLSS gebruikt een algoritme gebaseerd op het werk van een AI die aan het leren is. Het is echter niet precies hetzelfde algoritme als dat van Radeon Image Sharpening .

In het geval van DLSS is een supercomputer getraind om afbeeldingen te verkleinen.

• In eerste instantie krijg je duizenden frames met en zonder antialiasing en wordt gevraagd om te leren hoe je de verschillen kunt vinden, daarna krijg je een set afbeeldingen met een gemiddelde of lage resolutie om het formaat te wijzigen met een hoge resolutie. De afbeeldingen worden vergeleken en als het resultaat vergelijkbaar is, verbetert het algoritme. Als het echter ernstige bugs bevat, corrigeren de onderzoekers het en proberen ze de machine nieuwe regels te laten genereren om het beter te doen.

Dit proces wordt duizenden of miljoenen keren herhaald gedurende dagen of maanden om de AI te trainen .

Het benadrukt dat terwijl RIS wijzigingen aanbrengt om de afbeelding te verbeteren en afbeeldingen op de achtergrond herschaalt, hier het precies andersom is. Bovendien zorgt het gebruik van neurale netwerken ervoor dat dit proces continu evolueert, waardoor DLSS steeds beter werkt.

Hier is een video waarin ze een klassiek beeldverwerkingsalgoritme vergelijken met een op AI gebaseerd testalgoritme:

Het heeft echter als nadeel dat we deze technologie alleen in Nvidia RTX graphics hebben. Door de RT- cores nodig te hebben, kunnen geen andere grafische afbeeldingen deze functionaliteit bieden.

Bovendien kunnen we bij het introduceren van deze software niet zomaar een tool implementeren, zoals bij de concurrentie. In het geval van DLSS moet elke studie het "handmatig" in hun code implementeren en voor elke grafische engine zijn er verschillende verschillen. Om deze reden is DLSS niet zo eenvoudig te implementeren.

RIS versus DLSS:

Daarom is de meest voor de hand liggende conclusie die we u kunnen bieden, dat beide technologieën vergelijkbare dingen bereiken, maar dat hun taken niet zo vergelijkbaar zijn.

Het nadeel is dat de twee beperkt zijn tot hun merken, dus het lijkt er niet op dat we in de nabije toekomst een combinatie van beide zullen zien. Desondanks, gebruik het platform dat u gebruikt, u heeft een goede technologie om op te leunen.

Tegenwoordig is de wereld van componenten in beweging en dat is goed voor gebruikers.

• De CPU's hebben een geweldige lancering meegemaakt die de geweldige Intel heeft gedestabiliseerd. Aan de andere kant gaat AMD met een veilige stap op het gebied van graphics. Ook bereidt het blauwe team zijn afzonderlijke grafische afbeeldingen voor, zodat niemand weet wat er zal gebeuren.

Wie weet, misschien zien we in de toekomst RIS versus DLSS versus Intel- technologie . Of misschien zien we een combinatie van de twee of drie technologieën omdat de concurrentie een andere tint krijgt.

Hoe het ook zij, hier hebben we u de meeste verschillen tussen deze twee ongelooflijke technologieën laten zien. We hopen dat je het gemakkelijk hebt begrepen en dat je iets nieuws hebt geleerd. Bovendien raden we u aan om informatie over deze onderwerpen te lezen en te zoeken, aangezien deze nieuwe technologieën gebaseerd zijn op zeer interessante ideeën.

En jij, denk je dat Intel zichzelf zal vestigen als de derde competitie in geïntegreerde grafische afbeeldingen? Welke technologie is volgens u beter RIS versus DLSS ? Deel uw ideeën in het opmerkingenveld.

AMD RISNvidia DLSS-bronNvidia DLSS Veelgestelde vragen