▷ Djupt lärande super

Deep Learning Super Sampling (DLSS) är en av de mest lovande teknologierna i Nvidias nya Turing-grafikarkitektur. Denna teknik bygger på kunskapen om artificiell intelligens (AI) för företagets grafikkort för att förbättra videospelprestanda utan att öka råkraften. Vi berättar allt om DLSS och hur det fungerar.

Innehållsindex

Hur fungerar Deep Learning Super Sampling på de nya Turing-grafikkorten?

Tensor Core är det grundläggande elementet i Turing-arkitekturen för drift av Deep Learning Super Sampling. Nvidias Tensor Core är speciella kärnor som är utformade för att påskynda beräkningen av flera matriser, den matematik som vanligtvis används i algoritmer för djup inlärning och andra datorscenarier fokuserade på konstgjord intelligens.

Vissa av våra läsare kanske undrar varför Nvidia har beslutat att ta med denna företagsklassfunktion till spelindustrin, men svaret är ganska enkelt. Nvidia har länge arbetat med AI-funktioner relaterade till bildrekonstruktion och har hittat ett sätt att utnyttja detta i videospel.

Vi rekommenderar att du läser vårt inlägg om Vad är rasterisering och vad som är skillnaden med Ray Tracing

Nvidia kommer att använda DLSS för att göra högkvalitativ högkvalificering på spel, vilket innebär att de kommer att ge en lägre upplösning än finalen, vilket resulterar i bättre prestanda. Till exempel kan du göra en bild på 2K och sedan förstora den till 4K med hjälp av DLSS-funktioner, vilket resulterar i en bild med en kvalitet som mycket liknar en inbyggd 4K-bild, men med mycket högre prestanda.

prestanda

Nvidias Turing-arkitektur använder sin Tensor Core för Deep Learning Super Sampling i spel, vilket tillåter Nvidia att erbjuda liknande nivåer av bildkvalitet som en inbyggd upplösningsskärm med TAA, samtidigt som den erbjuder en betydande prestandaökning.. Detta ger DLSS-användare en ökning i prestanda som uppskattas till cirka 35-40% och fungerar som en slags "gratis prestandauppgradering" för spel som stöder Deep Learning-algoritmen.

Nvidias Tensor Core kommer att användas för att öka spelets tydlighet med DLSS, vilket minskar den datorkraft som krävs för att bearbeta högupplösta bilder och erbjuda branschens första AI- driven prestandaökning. Med Deep Learning kan Nvidia skapa bilder med hög upplösning, spelare kommer inte att märka skillnaden jämfört med en bild som har gjorts med en naturlig upplösning.

Nvidia har uttalat att de planerar att skapa andra tekniker som kan använda sina Tensor-kärnor i videospel. När allt går samman kommer Nvidias samtidiga arbetsflödessystem att göra att mer beräkningsarbete kan slutföras än någonsin tidigare, ytterligare parallellt med GPU-arbetsflödet.

Med Turing har Nvidia samlat mer datorkraft på ett enda grafikkort än någonsin, samtidigt som man har diversifierat databehandlings- eller grafikkortinfrastruktur för att möjliggöra nya funktioner, skapa en väg i domänerna Deep Learning och Ray Tracing i tid. verklig.

Spel som använder Deep Learning Super Sampling

Listan över videospel med stöd för Deep Learning Super Sampling är fortfarande ganska liten, men den kommer att öka när tiden går. För närvarande är listan över kompatibla spel som följer:

• Ark: Survival EvolutionAtomic HeartDarksiders IIIDauntlessDeliver Us The Moon: FortunaFinal Fantasy XVFractured LandsHellblade: Senua's SacrificeHitman 2Islands of NyneJusticeJX3KINETIKMechwarrior 5: Battle of the WildsSuperheroes: Deadline: Battlegrounds

Vi rekommenderar att du läser:

Detta avslutar vår specialartikel om den nya tekniken Deep Learning Super Sampling, kom ihåg att du kan dela den på sociala nätverk så att den kan hjälpa fler användare som behöver det.