“Maskininlärning inte nödvändigt för bra uppskalning”

Ich habe die neuesten Versionen von AMD von Mars Lanserade mit der Upskalningsteknik FidelityFX Super Resolution (FSR) getestet, ein bisschen was von Version 1.0 bis 2.0. AMD tog därtill steget över von räumlich bis zeitlich uppskalning, där information från kringliggande bildrutor används för att återskapa bilden i en högre upplösning.

Något som däremot inte förändrades mellan versionerna är AMD:s ambitioner gällande öppen källkod. Första versionen av FSR finns tillgänglig under MIT-licens, något som nu blir verklighet även for FSR 2.0. Sedan onsdag eftermiddag finns den fulla källkoden inklusive API och dokumentation tillgängligt genom GPU geöffnet.

Skärmbild 2022-06-23 104609.jpg

Detta innebär att det är fritt fram for praktiskt taget vem som helst att integrera FSR 2.0 i sitt spel, en process som kan ta allt från tre dagar till en månad, beroende på spelets förutsättningar. FSR skiljer sig därtill från examplevis Nvidias DLSS och Intel XESS på en stor punkt, vilket är nyttjandet a v maskininlärning. Intels Variante fungerar med flera olika plattformar, medan Nvidias kräver bolagets Tensor-kärnor for att köras. AMD väljer dock helt bort både maskininlärning och krav på hårdvara.

Maschinelles Lernen (ML) ist keine Voraussetzung für eine qualitativ hochwertige Hochskalierung von Bildern. Häufig verwenden ML-basierte zeitliche Hochskalierer in Echtzeit das erlernte Modell nur, um zu entscheiden, wie frühere Verlaufsabtastungen kombiniert werden sollen, um das hochskalierte Bild zu erzeugen: Es gibt typischerweise keine tatsächliche Generierung neuer Merkmale durch das Erkennen von Formen oder Objekten in der Szene. Die AMD-Ingenieure nutzten ihr erstklassiges Know-how, um eine Reihe fortschrittlicher handcodierter Algorithmen zu erforschen, zu entwickeln und zu optimieren, die solche Beziehungen von der Quelle und ihren historischen Daten bis hin zu einer hochskalierten Auflösung abbilden.

Ich beschreibe den Open-GPU-Trycker AMD auf Att Maskininlärning inte är nodvändigt for att uppnå bra bildkvalitet vid uppskalning. De menar att den typ av maskininlärning som temporala uppskalare bygger på inte är tillräckligt avancerad för att ge några större fördelar som igenkänning av objekt eller Form, utan oftast endast används för att besluta hur tidigare bildrutor ska kombineras för att generera den uppskalade bilden.

Istället menar bolaget att de särskilt anpassade algoritmer som utvecklats för FSR ger likvärdiga eller till och med större fördelar, till följd av att de kan optimeras i större grad och till fler olika Szenarion. Det följs av en ännu en känga till kanske främst konkurrenten Nvidia, när AMD avslutar med att lyfta att avsaknaden av krav på dedikerad hårdvara for maskininlärning innebär fördelar for fler och inte minst fler Spieler.

Läs mer om uppskalningstekniker:


Source: SweClockers by www.sweclockers.com.

*The article has been translated based on the content of SweClockers by www.sweclockers.com. If there is any problem regarding the content, copyright, please leave a report below the article. We will try to process as quickly as possible to protect the rights of the author. Thank you very much!

*We just want readers to access information more quickly and easily with other multilingual content, instead of information only available in a certain language.

*We always respect the copyright of the content of the author and always include the original link of the source article.If the author disagrees, just leave the report below the article, the article will be edited or deleted at the request of the author. Thanks very much! Best regards!