Из-за непрерывного глубокого обучения в облаке через некоторое время частота кадров в игре также будет становиться все выше и выше с обновлением алгоритма.
DLSS 2.0 предлагает три различных режима качества изображения: режим качества, сбалансированный режим и режим производительности.
Они могут управлять внутренним разрешением рендеринга в игре, где режим производительности может достигать 4-кратного суперразрешения, то есть в играх с поддержкой DLSS 2.0 вы выбираете разрешение 4k, но графическая карта будет отображать по запросу 1080p и затем конвертируйте в разрешение 4k с помощью алгоритма суперсэмплирования, таким образом достигая вывода 4k и не влияя на качество изображения, даже как говорит Nvidia: «Качество изображения с настройкой DLSS 2.0 лучше, чем предыдущее исходное качество изображения». Таким образом, частота кадров может быть значительно увеличена в качестве 4k.
Большинство современных игр не выводятся непосредственно на экран после рендеринга, а требуют серии постобработки. Например, функции сглаживания, в том числе сглаживание по времени TAA, быстрое адаптивное сглаживание FXAA и т. д. Однако с этими функциями сглаживания или другими функциями оптимизации изображения возникают проблемы, такие как размытие, неправильная обработка элементы и т.д.
Для решения этого типа задач невозможно полагаться исключительно на алгоритмы. Это связано с тем, что алгоритм не может знать, что есть что на изображении. Однако для ИИ это очень хорошее приложение. После десятков или сотен тысяч тренировок с ИИ на компьютере ИИ может идентифицировать различные элементы изображения и автоматически дополнять их для получения высококачественных графических результатов.
Это основной принцип работы DLSS. Согласно данным NVIDIA, они сначала собирают идеальное качество изображения игры с 64-кратным полноэкранным сглаживанием в качестве эталонного изображения, затем получают исходное изображение, полученное путем обычного рендеринга, затем обучают DLSS для соответствия идеальному качеству изображения, запрашивают DLSS. для получения выходных данных по каждому входу измерьте разницу между этими выходными данными и идеальным качеством изображения и отрегулируйте веса сетки в соответствии с разницей. На данный момент у DLSS есть стабильная модель оптимизации изображения для данного приложения.
