Ris vs dlss: Welche Bildskalierungstechnologie ist besser?

Heute werden wir über den Vergleich zwischen RIS und DLSS sprechen , zwei Technologien, die sich auf das Image von AMD bzw. Nvidia beziehen. Es ist wahr, dass diese Sekunde von einem großen Teil der Öffentlichkeit mehr Aufmerksamkeit erhalten hat, aber wir dürfen die Radeon-Bildschärfung nicht unterschätzen. Obwohl ihre Implementierungen unterschiedlich sind, interessiert uns, dass ihre Aufgaben ähnlich sind.

Falls Sie sich gefragt haben, ist das Hauptbild des Artikels ein Vergleich der Bilder von Halo 2 mit Halo 2 Remastered. Die visuelle Verbesserung ist nicht auf eine der beiden Softwareprogramme zurückzuführen, scheint jedoch etwas mit uns zu tun zu haben, da beide Technologien Frames regenerieren und verbessern.

Inhaltsverzeichnis

Technologien zur Neuskalierung und Bildretusche : RIS vs DLSS

Beginnen wir damit, zu definieren, wo die Grenzen dessen liegen, worüber wir sprechen, richtig? Im Vergleich zwischen RIS und DLSS gibt es viele Dinge zu beachten, aber was uns am meisten interessiert, ist der Zweck beider Programme.

Uns ist klar, dass sowohl Radeon Image Sharpening als auch Deep Learning Super Sampling Technologien zur Neuskalierung und Bildverbesserung sind . Jeder hat jedoch eine andere Implementierung.

Beide Technologien „reduzieren“ die Größe des zu rendernden Rahmens und verbessern dann die Bildqualität, sodass diese Änderung nicht spürbar ist.

• Der erste Schritt stellt sicher, dass sowohl die Grafik als auch der Prozessor mit viel weniger Arbeitslast arbeiten können. Schließlich ist das Rendern eines Bildes mit 1080p viel einfacher als das Rendern mit 4K . Der zweite Schritt ist ein Algorithmus, der das Bild so „regeneriert“ , dass es nicht 1080p, sondern beispielsweise 4K aussieht. Mit mehr oder weniger Erfolg erledigen beide Algorithmen diese harte Arbeit und täuschen (oder nicht) unsere Augen.

Wenn die Arbeit gut erledigt ist, genießt der Benutzer höhere Bilder pro Sekunde bei gleicher Bildqualität. Im schlimmsten Fall werden wir Fehlkalkulationen, seltsame Artefakte und andere kleine Fehler sehen.

Aber wie einige Weise sagen: "Der Teufel steckt im Detail" . Genau wie die Flügel einer Fledermaus und die Flügel eines Vogels sind RIS und DLSS Technologien, deren Aufgaben größtenteils konvergieren, deren Wege, dies zu erreichen, jedoch unterschiedlich sind. Aus diesem Grund werden wir im Folgenden einzeln auf jede Implementierung eingehen.

AMDs Lösung: Radeon Image Sharpening

Die Technologie, die AMD auf das Spielfeld bringt, ist sehr interessant. Es wird zusammen mit dem Open-Source-Tool AMD Fidelity FX implementiert. Dies bedeutet, dass jedes Videospiel mit diesem Paket AMD RIS genießen kann.

Der Hauptteil der Radeon-Bildschärfung ist der adaptive Kontrastabstimmungsalgorithmus. Es hat einen seltsamen Namen, aber es zeigt uns, dass es die Bilder, die der Kamera am nächsten liegen, retuschiert und verbessert, während die Hintergründe kaum retuschiert werden. Die Verbesserung macht sich bei einigen Texturen bemerkbar und die Gesamtbildqualität ist ausgezeichnet.

Diese Funktionalität kann jedoch mit einer Neuskalierung kombiniert werden, um die Leistung unserer Komponenten zu maximieren. In einigen Titeln wie Fornite können wir die Auflösung reduzieren, um nativ zu projizieren.

In unserem Fenster (z. B. 1920 × 1080) können wir eine Auflösung im Spiel von 100% (1920 × 1080) oder 50% (960 × 540) haben . Die Reduzierung der Pixel macht die Arbeit viel weniger schwierig und wir können mehr Bilder pro Sekunde erzielen, aber im Gegenzug ist das Bild beeinträchtigt.

Aus diesem Grund kann das Mischen des visuellen Retuschierbereichs mit einem verkleinerten Bild das Spielerlebnis erheblich verbessern.

Ein weiterer zu beachtender Punkt ist, dass diese Technologie nur für Navi- und Polaris- Grafiken verfügbar ist, jedoch nicht in allen Titeln. Wir können diese Funktionen nur in Videospielen mit Fidelity FX und APIs DirectX 9 (nur Navi), DirectX 12 oder Vulkan aktivieren .

Es ist nicht das Beste, was es gibt, aber das Wichtigste ist, dass es für die Zukunft ausgerichtet ist. Der nächste Schritt, den das rote Team unternehmen möchte, ist die Unterstützung von DirectX 11 .

Nvidias Lösung : Deep Learning Super Sampling

Die Lösung, die Nvidia gefunden hat, ist etwas anders. Es wurde einige Zeit vor seiner Konkurrenz angekündigt, getestet und veröffentlicht, aber das macht es nicht veralteter. In der Tat würden wir sagen, dass es das Gegenteil ist.

Deep Learning Super Sampling ist eine Technologie, die das neue System verwendet, das Kerne mit künstlicher Intelligenz aus Nvidia RTX- Grafiken verwendet. Der Grund liegt auf der Hand : DLSS verwendet einen Algorithmus, der auf der Arbeit einer lernenden KI basiert. Es ist jedoch nicht genau der gleiche Algorithmus wie beim Radeon Image Sharpening .

Im Fall von DLSS wird ein Supercomputer darauf trainiert , die Größe von Bildern zu ändern.

• Zuerst erhalten Sie Tausende von Bildern mit und ohne Antialiasing und werden gebeten, zu lernen, wie Sie die Unterschiede finden. Dann erhalten Sie eine Reihe von Bildern mit mittlerer oder niedriger Auflösung , deren Größe mit hoher Auflösung geändert werden kann. Die Bilder werden verglichen und wenn das Ergebnis ähnlich ist, verbessert sich der Algorithmus. Wenn es jedoch schwerwiegende Fehler gibt, korrigieren die Forscher diese und versuchen, die Maschine dazu zu bringen , neue Regeln zu generieren, um dies besser zu machen.

Dieser Vorgang wird über Tage oder Monate tausende oder millionenfach wiederholt, um die KI zu trainieren .

Es wird hervorgehoben, dass RIS zwar Änderungen vornimmt, um das Bild zu verbessern und Bilder im Hintergrund neu zu skalieren, hier jedoch umgekehrt ist. Durch die Verwendung neuronaler Netze kann dieser Prozess kontinuierlich weiterentwickelt werden, sodass DLSS immer besser funktioniert.

Hier ist ein Video, in dem sie einen klassischen Bildverarbeitungsalgorithmus mit einem AI- basierten Testalgorithmus vergleichen :

Es hat jedoch den Nachteil, dass wir diese Technologie nur in Nvidia RTX- Grafiken haben. Da die RT- Kerne benötigt werden, kann keine andere Grafik diese Funktionalität bieten.

Darüber hinaus können wir zur Einführung dieser Software nicht einfach ein Tool wie im Wettbewerb implementieren. Im Fall von DLSS muss jede Studie es "manuell" in ihren Code implementieren, und für jede Grafik-Engine gibt es mehrere Unterschiede. Aus diesem Grund ist DLSS nicht so einfach zu implementieren.

RIS vs DLSS:

Die naheliegendste Schlussfolgerung, die wir Ihnen bieten können, ist daher, dass beide Technologien ähnliche Ergebnisse erzielen, ihre Aufgaben jedoch nicht so ähnlich sind.

Der Nachteil ist, dass die beiden auf ihre Marken beschränkt sind, so dass es nicht so aussieht, als könnten wir in naher Zukunft eine Kombination aus beiden sehen. Wenn Sie jedoch die von Ihnen verwendete Plattform verwenden, können Sie sich auf eine gute Technologie stützen.

Heute bewegt sich die Welt der Komponenten und das ist gut für die Benutzer.

• Die CPUs haben einen großartigen Start erlebt, der den großartigen Intel destabilisiert hat. Auf der anderen Seite geht AMD einen sicheren Schritt auf dem Gebiet der Grafik. Außerdem bereitet das blaue Team seine diskreten Grafiken vor, sodass niemand weiß, was passieren wird.

Wer weiß, vielleicht können wir in Zukunft RIS vs. DLSS vs. Intel Technology sehen . Oder vielleicht können wir eine Kombination der zwei oder drei Technologien sehen, weil die Konkurrenz einen anderen Farbton annimmt.

Wie dem auch sei, hier haben wir Ihnen die meisten Unterschiede zwischen diesen beiden unglaublichen Technologien gezeigt. Wir hoffen, dass Sie es leicht verstanden haben und etwas Neues gelernt haben. Darüber hinaus empfehlen wir Ihnen, Informationen zu diesen Themen zu lesen und zu suchen, da diese neuen Technologien auf sehr interessanten Ideen basieren.

Und Sie, glauben Sie, dass Intel sich als dritter Wettbewerb für integrierte Grafik etablieren wird? Welche Technologie ist Ihrer Meinung nach besser als RIS im Vergleich zu DLSS ? Teilen Sie Ihre Ideen im Kommentarfeld mit.

AMD RISNvidia DLSS SourceNvidia DLSS FAQ