Comparació de DLSS
L’esperat joc Metro: Exodus ja és aquí, amb Ray-tracing i Deep-Learning Super-Sampling (DLSS). A més, Battlefield 5 ha rebut una actualització que permet DLSS. La sèrie RTX de Nvidia finalment troba un parc infantil per lluir adequadament. L'objectiu dels nuclis Tensor de la línia de cartes RTX era millorar els reflexos i fer que els jocs fossin més 'realistes'. Per aconseguir-ho, les targetes manipulen configuracions gràfiques com Ray-Tracing. Tanmateix, poc després del llançament, vam descobrir que aquests paràmetres afecten significativament el rendiment.
Nvidia ho va entendre i ja estava treballant en una solució. Aquesta solució és DLSS. Amb DLSS, els jocs podrien 'aprendre' eficaçment de patrons i tendències i emmagatzemar aquestes dades per presentar-les per a ús futur en lloc d'utilitzar un rendiment informàtic preciós per recrear la imatge. Una característica com DLSS permet que el joc mantingui freqüències de fotograma més altes i sigui més jugable a resolucions més altes. No obstant això, el DLSS que han rebut els jugadors fins ara té un petit problema a la mà.
El problema amb DLSS en aquest moment
El problema que enfronten els jugadors amb la funció és que distorsiona o arruïna la qualitat de la imatge quan la funció està habilitada. Que NVIDIA ho pugui esbrinar i solucionar si això és un problema amb la manera com es guarden les dades a la memòria cau o alguna cosa més En aquests moments, els jugadors han de tractar per mantenir una experiència de joc més fluida. En essència, doncs, és la compensació del rendiment dels gràfics.
Publicat el director tècnic de Deep Learning a NVIDIA, Andrew Edelstien això al lloc web de NVIDIA. L’objectiu de la càrrega era ajudar els usuaris a entendre millor per què prevalia el problema. Diu que DLSS s’havia d’utilitzar a 60 fps o amb resolucions superiors o inferiors, en cas contrari, DLSS no demostrarà ser un augment del rendiment. A més, pel que fa als problemes de qualitat de la imatge, va dir que el problema es solucionarà a temps.
Un algorisme d’aprenentatge profund és aquell que requereix una quantitat important de dades base per entendre i recrear una situació per a un ús futur. És possible que hagi d’analitzar la mateixa escena centenars de vegades abans de poder fer-ne una rèplica cristal·lina. Potser això és el que Andrew va voler avançar amb la seva càrrega. Per descomptat, NVIDIA treballa per millorar la velocitat i les capacitats d’anàlisi de l’algorisme. Tanmateix, mentrestant, només podem donar-li més temps i esperar que millori amb el pas d’aquests.
Etiquetes maquinari nvidia RTX
