▷ Deep Learning super

Deep Learning Super Sampling (DLSS) ist eine der vielversprechendsten Technologien in der neuen Turing-Grafikarchitektur von Nvidia. Diese Technologie baut auf den Fähigkeiten der Grafikkarten des Unternehmens für künstliche Intelligenz (KI) auf, um die Leistung von Videospielen zu verbessern, ohne die Rohleistung zu erhöhen. Wir erzählen Ihnen alles über DLSS und wie es funktioniert.

Inhaltsverzeichnis

Wie funktioniert Deep Learning Super Sampling auf den neuen Turing-Grafikkarten?

Tensor Core sind das grundlegende Element der Turing-Architektur für den Betrieb von Deep Learning Super Sampling. Nvidias Tensorkern sind spezielle Kerne, die die Berechnung mehrerer Matrizen beschleunigen sollen. Diese Mathematik wird häufig in Deep-Learning-Algorithmen und anderen Computerszenarien verwendet, die sich auf künstliche Intelligenz konzentrieren.

Einige unserer Leser fragen sich vielleicht, warum Nvidia beschlossen hat, diese Funktion für Unternehmen in die Spielebranche aufzunehmen, aber die Antwort ist ziemlich einfach. Nvidia hat lange mit KI-Fähigkeiten im Zusammenhang mit der Bildrekonstruktion gearbeitet und einen Weg gefunden, dies in Videospielen zu nutzen.

Wir empfehlen, unseren Beitrag über Was ist Rasterisierung und was ist der Unterschied zu Ray Tracing zu lesen ?

Nvidia wird DLSS verwenden, um Spiele in hoher Qualität neu zu skalieren. Dies bedeutet, dass sie mit einer niedrigeren Auflösung als das Finale gerendert werden, was zu einer besseren Leistung führt. Sie können beispielsweise ein Bild mit 2K rendern und es dann mithilfe der DLSS-Funktionen auf 4K vergrößern. Dies führt zu einem Bild mit einer Qualität, die einem nativen 4K-Bild sehr ähnlich ist, jedoch eine viel höhere Leistung aufweist.

Leistung

Die Turing-Architektur von Nvidia verwendet den Tensor Core für Deep Learning Super Sampling in Spielen. Dadurch kann Nvidia eine ähnliche Bildqualität wie ein natives Auflösungsdisplay mit TAA bieten und gleichzeitig die Leistung erheblich steigern.. Dies gibt DLSS-Benutzern eine Leistungssteigerung von schätzungsweise 35-40%, die als eine Art "kostenloses Leistungsupgrade" für Spiele fungiert, die den Deep Learning-Algorithmus unterstützen.

Der Tensor Core von Nvidia wird verwendet, um die Klarheit des Spielens mit DLSS zu erhöhen, die für die Verarbeitung hochauflösender Bilder erforderliche Rechenleistung zu reduzieren und die branchenweit erste AI-gesteuerte Leistungssteigerung zu bieten. Mit Deep Learning kann Nvidia Bilder mit hoher Auflösung erstellen. Die Spieler werden den Unterschied zu einem Bild mit nativer Auflösung nicht bemerken.

Nvidia hat erklärt, dass sie planen, andere Technologien zu entwickeln, die ihre Tensorkerne in Videospielen verwenden können. Wenn alles zusammenkommt, können mit dem gleichzeitigen Workflow-System von Nvidia mehr Rechenarbeiten als je zuvor ausgeführt werden, was dem GPU-Workflow weiter entspricht.

Mit Turing hat Nvidia mehr Rechenleistung auf einer einzelnen Grafikkarte als je zuvor gesammelt und gleichzeitig die Computer- oder Grafikkarteninfrastruktur diversifiziert, um neue Funktionen zu ermöglichen und rechtzeitig einen Weg in den Bereichen Deep Learning und Ray Tracing zu finden. echt.

Spiele, die Deep Learning Super Sampling verwenden

Die Liste der Videospiele mit Unterstützung für Deep Learning Super Sampling ist noch recht klein, wird jedoch mit der Zeit zunehmen. Im Moment ist die Liste der kompatiblen Spiele wie folgt:

• Arche: Survival EvolvedAtomic HeartDarksiders IIIDauntlessLiefern Sie uns den Mond: FortunaFinal Fantasy XVFractured LandsHellblade: Senuas OpferHitman 2Islands of NyneJusticeJX3KINETIKMechwarrior 5: Battle of the WildsSuperheroes: Deadline: Battlegrounds

Wir empfehlen zu lesen:

Damit ist unser spezieller Artikel über die neue Deep Learning Super Sampling-Technologie beendet. Denken Sie daran, dass Sie sie in sozialen Netzwerken teilen können, um mehr Benutzern zu helfen, die sie benötigen.