न्यूरोसेट गेममध्ये चित्र कसे सुधारतात? डीएलएसएस तंत्रज्ञान बद्दल

Anonim
न्यूरोसेट गेममध्ये चित्र कसे सुधारतात? डीएलएसएस तंत्रज्ञान बद्दल 1908_1
न्यूरोसेट गेममध्ये चित्र कसे सुधारतात? डीएलएसएस तंत्रज्ञान बद्दल 1908_2
न्यूरोसेट गेममध्ये चित्र कसे सुधारतात? डीएलएसएस तंत्रज्ञान बद्दल 1908_3
न्यूरोसेट गेममध्ये चित्र कसे सुधारतात? डीएलएसएस तंत्रज्ञान बद्दल 1908_4
न्यूरोसेट गेममध्ये चित्र कसे सुधारतात? डीएलएसएस तंत्रज्ञान बद्दल 1908_5

जेव्हा उपग्रहाच्या चित्रात अमेरिकन दहशतवाद्यांमध्ये, विशेष एजंट्सने कारची संख्या पूर्णपणे वाचली तेव्हा आम्ही हसलो. बॉस संगणकावर उभे आहे, तो स्केलिंग करते आणि नंतर "सुधारित" करते. बर्याच प्रमाणात माहिती मॉनिटरवर दिसते, जी प्रत्यक्षात प्रतिमेमध्ये असू शकत नाही. फोटोग्राफी प्रोसेसिंगमध्ये कमीतकमी निराश झालेल्या लोकांसाठी, ते विलक्षण वाटले. होय, आणि आज, सिद्धांततः, ते विलक्षण राहते. परंतु! Nvidia डीएलएसएस तंत्रज्ञान या fantastics प्रत्यक्षात जवळजवळ जवळ आहे.

जेव्हा nvidia ने मायक्रोएचन्चर टरिंगवर नवीन पिण्याचे व्हिडिओ कार्ड सादर केले, तेव्हा गेमर्सचे मुख्य लक्ष रे ट्रेसवर केंद्रित होते: आरटीएक्स व्हिडिओ कार्ड आरटीएक्स व्हिडिओ कार्ड आरटीच्या कारणास्तव हार्डवेअर पातळीवर समर्थन देणारे प्रथम बनले न्यूक्लियस

पण "थिंगिमी" मध्ये देखील टेंसर कर्नल देखील होते. ते, न्यूरल नेटवर्कला गहन शिकवण्याचे परिणाम, सुलभतेने सुधारित, गेमद्वारे तयार केलेल्या प्रतिमेचे कार्यप्रदर्शन आणि रिझोल्यूशन वाढविले. तंत्रज्ञानास डीएलएसएस नाव - डीएलएसएस सुपर नमुना प्राप्त झाला.

खरं तर, हे गेममध्ये सुलभ तंत्रज्ञानाचे प्रगत प्रकार आहे. संगणक गेमर त्यांच्याशी रहस्यमय ता, एफएक्सएए, एमएसएए, 8 एक्स, 4 एक्स इत्यादीवर परिचित आहेत. गेममधील चित्राच्या सेटिंग्जमध्ये. या रहस्यमय संक्षेप माध्यमातून, चिकन चित्रीच्या विविध भिन्नता खोटे बोलतात. त्यामध्ये पिक्सेल असतात, फ्रेममधील सर्व ओळींमध्ये या पिक्सेलमध्ये असतात, परंतु तिरूत रेखा काढण्यासाठी स्क्वेअरच्या मदतीने सोपे नाही, ते निवडणुकीसह प्रदर्शित केले जाईल. आणि जेव्हा स्क्रीनवरील पॉलीगन्सच्या सीमेवर अशा ओळी आणि स्त्रिया जेव्हा डोळ्यांवर समृद्ध होतात तेव्हा चित्राने डोळ्यात समृद्ध होतात.

सानुकूल संगणकाची क्षमता आणि शक्ती मोजण्यासाठी या सर्व प्रकारच्या सुलभ तंत्रज्ञानाची सर्व विविधता या महिलांना काढून टाकण्यात गुंतलेली आहे. ते सीमा वर पिक्सेल रंग बदलतात आणि संक्रमण अधिक गुळगुळीत करतात. वेगवेगळ्या मार्गांनी, वेगवेगळ्या प्रकारे लोह लोड करणे आणि थोड्या वेगळ्या परिणामाचे प्रदर्शन करणे चित्राच्या शिल्पकला वर जा. परंतु आपल्याकडे या सर्व जीवनशैलीबद्दलची एक गोष्ट नाही, ज्यामध्ये आपण सहजपणे अडथळा आणू शकता, परंतु एका नवशिक्याबद्दलच्या डोक्यावरुन गेम चालू करण्याचा निर्णय घेतला: स्पष्ट चित्र प्रदान करणे आणि लोह अनलोड करा.

कृती मध्ये जादू

डीएलएसएस तंत्रज्ञानाचे पहिले पुनरावृत्ती अस्पष्ट आणि मुख्य मर्यादित होते. तिने प्रत्येक नवीन गेमच्या अंतर्गत कृत्रिम बुद्धिमत्ता प्रशिक्षण मागितले, विकासकांकडून नियमितपणे गेमच्या प्रकाशनासह स्पेशल ड्रायव्हर्सचे विशेष ड्रायव्हर्सचे समर्थन आणि स्पेशल ड्रायव्हर्सचे समर्थन. उदाहरणार्थ, 201 9 वर्षांच्या गेम नियंत्रणात मूळ तंत्रज्ञानाने फ्रेम बदल वारंवारता 70% पर्यंत वाढविली. बर्याच दृश्यांमध्ये प्रतिमा गुणवत्ता उत्कृष्ट होती, परंतु स्थलांतरित सुविधांनी भरपूर समस्या आणल्या. उदाहरणार्थ, मूळ डीएलएसएस, टर्बाइन ब्लेड्सशी झुंजणे सोपे नव्हते, जे गेमच्या दृश्यांमधील एक कताई करतात. फ्रेममध्ये लहान तपशीलांच्या सीमांमध्ये देखील समस्या होत्या.

2020 च्या वसंत ऋतु मध्ये, Nvidia DLSS 2.0 ची आवृत्ती जाहीर केली आणि त्यांचे प्रगती दर्शविण्यासाठी पुन्हा नियंत्रण पुन्हा दर्शविले. तिथे ते ब्लेडसह होते, सर्व काही क्रमाने होते आणि लहान वस्तू अधिक स्पष्ट झाल्या आहेत, सीमा अधिक तीव्र बनले आणि काढले आणि गेमचे एकूण कार्य वाढले.

कृत्रिम बुद्धिमत्ता मॉडेल पुन्हा काम करण्यात आले, जे मूळ आवृत्ती म्हणून दोनदा जलद झाले. ते अधिक कार्यक्षमतेने टेंसर कर्नल वापरते, समर्थीत व्हिडिओ कार्ड, गुणवत्ता आणि परवानग्या संख्येवर मर्यादा काढून टाकते.

मूळ तंत्रज्ञानाने प्रत्येक नवीन गेमच्या खाली न्यूरल नेटवर्कचे प्रशिक्षण घेतले. डीएलएसएस 2.0 अधिक बहुमुखी बनले आहे, गेममध्ये अंमलबजावणी करणे सोपे झाले आहे.

हे जादू कसे कार्य करते? Nvidia मध्ये एक विशेष फ्रेमवर्क आहे, जे गहन न्यूरल नेटवर्क शिकवते. प्रशिक्षण हे आहे की न्यूरल नेटवर्क्स उच्च रिझोल्यूशनमध्ये हजारो संदर्भ प्रतिमा देतात. खरोखर उच्च - 16k. या प्रतिमा कमी-वारंवारता फ्रेमच्या ऑफलाइन रेंडरिंग दरम्यान एक शक्तिशाली सुपरकंप्यूटर तयार केल्या जातात. या स्कॅटरिंगबद्दल धन्यवाद, न्यूरॅलेट कमी गुणवत्तेवर आधारित आहे ज्यामुळे वापरकर्ता डिव्हाइसवर आधीपासूनच उच्च रिझोल्यूशनमध्ये फ्रेम तयार करण्यास सक्षम आहे. यामध्ये, प्रशिक्षण दरम्यान प्राप्त ज्ञान अवलंबून आहे.

जेव्हा न्यूरल नेटवर्क स्वतः लो-रिझोल्यूशन नमुन्यांकडून फ्रेम तयार करते, तेव्हा ते 16 के रिझोल्यूशनच्या मानकांशी तुलना करतात आणि सर्व फरक आणि शॉल्सच्या तुलनेत न्यूरल नेटवर्कची परतफेड केली जाते. प्रत्येक चक्रासह, समेट करणे संपले आहे आणि त्याचे परिणाम सुधारते. ड्रायव्हर्सच्या फॉर्ममध्ये अंतिम व्हिडिओ कार्ड्स मिळतात आणि गेममध्ये जादू सुरू होते.

डीएलएसएस 2.0 न्यूरल नेटवर्कच्या योग्य ऑपरेशनसाठी, त्यास इनपुट आवश्यक आहे. त्यांचे गेमिंग इंजिन प्रदान करते. डेटाचा पहिला भाग म्हणजे कमी रिझोल्यूशनमध्ये सुलभ न करता. दुसरे - या प्रतिमांसाठी गतीचे वेक्टर. या फ्रेममध्ये या फ्रेमवरील कोणत्या दिशानिर्देशांवर जात आहेत याबद्दल व्हॅक्टरची माहिती आहे. थोडक्यात, हे फ्रेमद्वारे पिक्सेलच्या हालचालींचे नकाशे आहे.

ने्यूरालेटा उच्च रिझोल्यूशनमध्ये एक फ्रेम तयार करते आणि त्याच्या बदलाचे वेक्टर जाणून घेणे, या आधारावर पुढील फ्रेमची परवानगी वाढते. अक्षरशः पिक्सेलली पुढील फ्रेममध्ये रिझोल्यूशन कसे वाढवायचे ते ठरवते.

अंमलबजावणी prepans

पहिल्या पुनरावृत्तीच्या बाबतीत, डीएलएसएस गेम डेव्हलपरने त्यांच्या गेममध्ये समर्थन जोडण्यासाठी NVIDIA सह जवळचे सहकार्य केले होते. डिस्चार्ज इंजिनला गेममधून बर्याच प्रतिमा आवश्यक आहेत. डीएलएसएसचे दुसरे आवृत्ती अधिक सुलभ झाले आहे, ते सामान्य प्रतिमांवर शिकत आहे, तिला एखाद्या विशिष्ट गेममधून परिचय डेटा आवश्यक नाही.

याबद्दल धन्यवाद, समर्थित गेमची सूची तीन डझनमध्ये वाढली आहे, तर मूळ डीएलएसएस दहा पेक्षा कमी होते.

या वर्षीच्या सुरूवातीला, एनव्हीडीयामुळे अवास्तविक बाजारपेठेत गेममध्ये डीएलएसएस अंमलबजावणी करण्यासाठी प्लगइन जारी करण्यात आले आहे - गेम डेव्हलपर्ससाठी अनैतिक इंजिन इंजिनवरील विनामूल्य सवारी दुकान. परंतु बर्याच विकसक त्यांच्या गेमच्या जोडासह घाईत नाहीत. हे मोठ्या प्रमाणावर गेमरमध्ये 4 के मॉनिटर्सच्या प्रसारामुळे आहे. तरीही, सर्वात प्रभावशाली डीएलएसएस 2.0 4 के रेझोल्यूशनमध्ये दिसते. तेथे, तंत्रज्ञान आपल्याला महत्त्वपूर्ण उत्पादकता वाढीस प्राप्त करण्यास परवानगी देते, 2000 व्या मालिकेतील आरटीएक्स व्हिडिओ कार्ड्स आणि 4 के मधील पौष्टिक रिझोल्यूशनच्या तुलनेत स्थिर आणि खेळण्याचे फ्रेमवर्क दर्शविण्यासाठी प्रारंभिक स्तरावर अनुमती देते.

पण खरं तर बहुतेक Geimers अद्याप 1080 पिक्सेल निराकरण करण्यासाठी खेळत आहेत - स्टीम मध्ये 67% पेक्षा अधिक वापरकर्ते आहेत. दुसरा रेझोल्यूशन एक लॅपटॉप आहे: 1366 × 768 पिक्सेल - वापरकर्त्यांचा 8%. तिसऱ्या मार्गाने, 2560 × 1440 पिक्सेल रिझोल्यूशनसह सानुकूल स्क्रीन. 4 के मॉनिटर्स अजूनही उत्साही आहेत: स्टीम वापरकर्त्यांच्या 2% पेक्षा जास्त.

एएमडी पासून प्रतिस्पर्धी.

डीएलएसएस - एनव्हीडिया प्रोप्रायटरी तंत्रज्ञान. हे केवळ आरटीएक्स सीरीसच्या व्हिडिओ कार्डवर कार्य करते, ज्यात टेंसर कर्नल आहेत. ते कृत्रिम गुप्तचर अल्गोरिदमशी संबंधित आहेत. एनव्हीडीया मुख्य प्रतिस्पर्धी - एएमडी डीएलएसएसच्या पर्यायावर काम करीत आहे, ज्याला फिडेलिटीएफएक्स सुपर रिझोल्यूशन म्हणतात. परंतु आतापर्यंत या विकासाबद्दल व्यावहारिकदृष्ट्या कोणतीही विशिष्ट माहिती नाही.

हे केवळ ज्ञात आहे की "लाल" हा एक महत्त्वाचा फायदा असेल. एएमडीने खुले आणि क्रॉस-प्लॅटफॉर्मची तंत्रज्ञान बनविण्याचे वचन दिले. याचा अर्थ असा आहे की तंत्रज्ञान नवीन पिढीच्या कन्सोलवर येऊ शकते, जे एएमडीकडून आरडीएनए 2 ग्राफिक आर्किटेक्चर वापरते.

अलीकडेच, एएमडीने न्यू रडेन आरएक्स 6700 एक्सटी व्हिडिओ कार्डची सादरीकरण व्यवस्था केली. बर्याचजणांनी आशा केली की या कार्यक्रमादरम्यान निष्ठा एफएक्स सुपर रिझोल्यूशनबद्दल सांगितले जाईल. साइडवॉल्समध्ये, प्रेझेंटेशन्सने स्पष्ट केले की एएमडी एका शीर्ष कार्डासाठी तंत्रज्ञानाच्या मुक्ततेशी घाईत नाही आणि त्याऐवजी ते क्रॉस-प्लॅटफॉर्मच्या प्रत्येक अर्थाने असू इच्छित आहे.

एएमडी तंत्रज्ञान डीएलएसएस सारखे थोडासा असावा. आणि कन्सोल पीएस 5 आणि एक्सबॉक्स मालिका अधिक सुगंधित न्यूरल नेटवर्कची संभाव्य उपस्थिती मोठ्या रूची आहे, सर्व खेळांपासून ते 4 के रिझोल्यूशनमध्ये प्रति सेकंद 60 फ्रेम दर्शवू शकतात.

परंतु हे सर्व युक्तिवाद केवळ अंदाजे राहतात. कदाचित, यावर्षीच्या अखेरीस एएमडी अद्याप त्याच्या विकासाबद्दल अधिक सांगेल. दरम्यान, गेम त्यांच्या उत्पादनांमध्ये डीएलएस लागू करण्यास सक्षम असल्याचे सुनिश्चित करणे सुरू ठेवा.

टेलीग्राम मध्ये आमचे चॅनेल. आता सामील व्हा!

काहीतरी सांगायचे आहे का? आमच्या टेलीग्राम-बॉटवर लिहा. हे अनामिकपणे आणि वेगवान आहे

संपादकांना निराकरण न करता मजकूर आणि फोटो Onliner पुनर्मूल्यांकन करणे प्रतिबंधित आहे. [email protected].

पुढे वाचा