ردکردن این

معرفی و بررسی فناوری های بزرگنمایی تصویر : FSR و DLSS

DLSS و FSR چیستند و چه می کنند؟

هیچ زمان در طول تاریخ دنیای کامپیوتر بین توان مورد نیاز بازی های رایانه ای، توقع کاربران از کیفیت تصاویر و توان پردازشی سخت افزارهای گرافیکی تناسب درستی برقرار نبوده است. و از اینرو پژوهشگران این حوزه همواره در حال ارائه راهکار هایی برای جبران این مشکلات بودند.

مسئله ای که طی چند سال اخیر بسیار مورد توجه قرار گرفته مهاجرت گیمر های به سوی نمایشگر های با تفکیک پذیری بالا (بالاتر از FHD و معمولا 4K) و نرخ بروزسانی بالاتر از 120 هرتز بوده است. بعلاوه ارتقای بین نسلی کمتر از حد انتظار در کارت های گرافیک ارائه شده به بازار و همچنین اوج گرفتن تقاضا برای Raytracing بیش از هر زمان دیگری کارت های گرافیک را تخت فشار قرار داده بود. این جا بود که نام فناوری هایی همچون Deep Learning Super Sampling از سوی شرکت Nvidia و FidelityFX Super Resolution از سوی شرکت AMD مطرح شد.

DLSS و FSR فناوری هایی نرم افزاری از دو کمپانی بزرگ تولید کننده کارت های گرافیک یعنی AMD وNvidia  هستند که با استفاده الگوریتم های پیچیده ریاضی و تکنیک های پردازش تصویر سعی در خلق تصاویری با جزئیات و تفکیک پذیری بالاتر براساس تصاویری با ابعاد و تفکیک پذیری پایین تر دارند.

هدف از این کار کاهش فشار پردازش سه بعدی برروی کارت گرافیک و در نتیجه دستیابی به نرخ فریم های بالاتر، همزمان با حفظ ظاهر کیفی تصاویر و ارائه جلوه های بصری با بالاترین کیفیت و بیشتر نرخ تفکیک پذیری ممکن است.

به طور مثال این فناوری ها می توانند به یک بازی اجازه دهند تصاویر را در ابعاد 2560×1440 (QHD، 2.5K و WQXGA) و یا حتی 1920×1080 (FHD، 2K و یا WUXGA) رندر کند تا بتواند نرخ فریم بیشتری داشته باشد و سپس با استفاده از جادوی مهندسی، تصاویری با ابعاد 3840×2160 به شما نمایش خواهند داد که در عمل حتی از تصاویری که واقعا با ابعاد 4K رندر شده اند هم می تواند شفاف تر باشند.

مقایسه خروجی فناوری FSR2.0 با تصویر 4K طبیعی در بازی Deathloop
مقایسه خروجی فناوری FSR2.0 با تصویر 4K طبیعی در بازی Deathloop (تصویر با کیفیت بسیار بالا بارگذاری شده تا بتوانید جزئیات را مقایسه کنید)

DLSS و FSR چطور این کار را انجام می دهند؟

هردوی این فناوری ها مسیر بسیار طولانی هرچند در زمانی نسبتا کوتاه را طی کرده اند و ما در اینجا برای جلوگیری از اطاله کلام فقط آخرین نسخه های ارائه شده از آنها یعنی FSR 2.0 و DLSS 2.3 را بررسی خواهیم کرد. این دو فناوری پردازش بسیار مشابهی را بر سرراه تصاویر در خط لوله ویدئویی بازی قرار می دهند. این فناوری ها باید به صورت یک افزونه در موتور بازی سازی گنجانده شوند و در میانه مسیر پردازش تصویر، پس پایان رندر های سه بعدی (معمولا محیط بازی و شخصیت ها) و پیش از اضافه شدن لایه های دو بعدی (همچون HUD، انواع اطلاعات و نوشتار قابل نمایش در بازی مثل زیرنویس و افکت های ویدئویی) قرار گیرند.

دو دلیل برای قرار گیری این فناوری ها در این نقطه قرار دارد. اول تحت تاثیر قرار ندادن لایه های 2 بعدی تصویر، که ابعادشان تاثیری در سرعت پردازش ندارد و ممکن است در فرآیند بزرگنمایی تصاویر، شفافیت و یا خوانایی خود را از دست بدهند و یا منجر به تولید داده های اشتباه و گمراه شدن افزونه در تشخیص الگوها شوند. و دوم نیاز این فناوری ها به اطلاعاتی عمیق از فضای سه بعدی و تصاویری هرچه دستکاری نشده تر و کامل تر، برای دستیابی به نتایج دقیق تر است.

اطلاعات اصلی که از موتور بازی به این افزونه ها ارائه می شود، شامل فریم رندر شده اصلی در رزولوشن پایین، بردار های حرکت اشیاء و دوربین در دنیای سه بعدی، نقشه عمق تصویر و نقشه رنگ تصویر است. این اطلاعات پس از ورود به افزونه مورد پردازش قرار می گیرند، برای این پردازش ها و در واقع برای بهینه سازی این پردازش ها از اطلاعات و محاسبات خاصی استفاده می شود که به کامپیوتر اجازه می دهد عملا اطلاعاتی که وجود ندارند را تولید کند.

مکانیزم عملکرد بزرگنمایی تصویر توسط FSR 2.0
مکانیزم عملکرد بزرگنمایی تصویر توسط FSR 2.0
عملکرد فناوری DLSS برای بزرگنمایی تصویر
عملکرد فناوری DLSS برای بزرگنمایی تصویر

تفاوت دو دیدگاه

همانطور که از اسم آن پیداست DLSS برای این منظور از یادگیری عمیق (Deep Learning)و یا همان هوش مصنوعی استفاده می کند. در این پروسه هوش مصنوعی تصاویری از موقعیت های یکسان اما با ابعاد مختلف دریافت میکند و سعی می کند الگوهایی برای بزرگنمایی بی عیب نقص از آنها استخراج کند. اما FSR از الگو هایی استفاده می کند که توسط انسان آموزش دیده و بهینه شده اند و فرآیند هوش مصنوعی در آن دخالتی نداشته است.

هردوی این روش ها اثبات کرده اند که به خوبی از پس این کار برمی آیند؛ اما نقطه ضعف DLSS در این میان وابستگی اجرای آن به استفاده از هسته های پردازش هوش مصنوعی Tensor موجود در کارت های گرافیک سری RTX انویدیا است. در حالیکه FSR عملا برروی همه کارتهای گرافیک قابل اجرا خواهد بود.

پس از خروج اولین فریم تصویر بزرگنمایی شده از خط تولید! خود این تصویر بزرگنمایی شده نیز به اطلاعات ورودی اضافه می شود تا عملا سامانه یادش باشد دفعه قبلی چکار کرده است و مرجعی برای مقایسه و بهبود هرچه بیشتر تصاویر داشته باشد. بعلاوه این کار به نرم افزار اجازه می دهد تا حدود زیادی از Ghosting (ایجاد هاله تصاویر)، چشمک زدن تصویر مخصوص برای اشیاء ظریف و یا محیط های با جزئیات متغیر و ریز مثل سایه درختان جلوگیری کند.

پس از طی شدن همه مراحل بسته به انتخاب کاربر، لایه های پس پردازشی نیز، جهت ارائه تصاویر هرچه شفاف تر، می تواند برروی تصویر اعمال شود و در نهایت فریم آماده شده به ادامه مسیر عادی خود در خط لوله ویدئویی بر می گردد.

جایگاه و قرارگیری FSR در فرآیند پردازش تصویر
جایگاه و قرارگیری FSR در فرآیند پردازش تصویر

در کل این فرآیند بسته به نوع تنظیماتی که انتخاب می کنید می تواند تا 150 درصد نرخ فریم بیشتری را (البته نه در همه بازیها) در اختیار شما قرار دهد و یا تصاویری 4K به شما ارائه دهد که از حالت طبیعی 4K شفافیت بیشتری دارند. این که خروجی این پروسه کیفیت خیلی بالا و یا نرخ فریم خیلی بالا باشد؛ به نسبت ابعاد تصویر ورودی و خروجی و البته انتخاب کاربر بستگی دارد.

مقایسه تفکیک پذیری ورودی و خروجی در فناوری FSR 2.0 برای تنظیمات عملکردی متفاوت
مقایسه تفکیک پذیری ورودی و خروجی در فناوری FSR 2.0 برای تنظیمات عملکردی متفاوت

ناگفته نماند که شرکت اینتل که چند سال است با وعده عرضه کارت های گرافیک حرفه ای همه را سرکار گذاشته است هم نمونه ای از این فناوری به نام XeSS را قرار است عرضه کند که در عمل چیزی بین FSR و DLSS خواهد بود. به این معنی که XeSS از فرآیند یادگیری عمیق استفاده کرده است و از هسته های پردازشی هوش مصنوعی بهره میبرد اما می تواند برروی سخت افزار های غیر تخصصی (پردازنده های گرافیکی فاقد هسته های اختصاصی پردازش هوش مصنوعی) نیز اجرا شود و برای این منظور از دو کتابخانه دستوری کاملا مجزا استفاده می کند.

0 0 رای ها
به این مطلب رای دهید
برچسب
منبع

بیشتر بخوانید