NVIDIA frigav sine nye GPU'er i september 2022. Med en ny grafikbehandlingsarkitektur, der kører på mindre fire-nanometer transistorer, kommer de nye 4000-serie GPU'er med mange klokker og fløjter.
Endnu bedre, de nye GPU'er kommer også med DLSS 3, en kunstig intelligens-drevet billedopskaleringsteknologi, der kan forbedre billedhastighederne på din rig eksponentielt.
Men hvad er DLSS 3.0, og er det opgraderingen værd? Nå, lad os finde ud af det.
Hvad er DLSS 3.0?
En forkortelse for Deep Learning Super Sampling, DLSS er en neural grafikteknologi, der bruger kraften fra kunstig intelligens (AI) til at forbedre billedhastighederne på dit system.
Supersamplingen i DLSS refererer til en anti-aliasing-teknik, der bruges til at forbedre videokvaliteten ved at gengive spilbilleder i en højere opløsning og derefter nedsample det – forbedre videokvaliteten ved at reducere aliasing. Når det er sagt, er det meget krævende for din GPU at gengive frames i højere opløsninger, og brug af anti-aliasing-funktioner reducerer normalt din FPS. Når alt kommer til alt, skal din GPU behandle flere pixeldata og nedsample dem til din oprindelige opløsning.
Det er her "Deep Learning"-delen af DLSS kommer ind i billedet. Du kan se, i traditionelle anti-aliasing-metoder skal GPU'en gengive frames i højere opløsninger, men med deep learning behøver GPU'en ikke at gøre det. I stedet er alt, hvad det skal gøre, at generere frames med en native opløsning, og derefter tensorkerner på GPU'en forudsige, hvordan rammen skal se ud, når den gengives i en højere opløsning.
Denne tilgang reducerer den beregningsmæssige overhead ved gengivelse af rammer ved en højere opløsning på grund af AI-intervention. Derfor, kort sagt, gengiver DLSS dine spil i en højere opløsning ved at bruge kunstig intelligens.
DLSS 3.0 er på den anden side den tredje iteration af samme teknologi. Det forbedrer på DLSS ved at forudsige komplette billeder i stedet for blot at øge billedopløsningen – hvilket forbedrer billedhastigheder eksponentielt.
Her er hvordan det hele fungerer.
Hvordan virker DLSS 3?
Før du går ind i DLSS 3, er det vigtigt at forstå, hvordan ældre versioner fungerer – og hvordan DLSS 3 bygger på det.
Som forklaret tidligere bruger DLSS AI til at gengive billeder i højere opløsning. Det betyder, at GPU'en ikke er programmeret til at øge opløsningen af rammerne. I stedet trænes GPU'en ved at vise billeder med lavere og højere opløsning til at programmere sig selv.
NVIDIA kører et Convolutional Neural Network (CNN) for at udføre denne træning på sine supercomputere. Dette netværk vises derefter billeder af et spil, der kører ved lavere opløsninger som input. Samtidig, som et output, vises netværket de samme billeder gengivet med 64 gange opløsningen med både anti-aliasing-funktioner aktiveret og deaktiveret.
Ud over billederne i høj og lav opløsning trænes CNN også ved hjælp af tidsmæssig feedback. Denne feedback giver netværksoplysninger om, hvordan objekter i billedet bevæger sig på tværs af rammer med hensyn til deres oprindelige output og højere opløsning. Dette gør det muligt for CNN at forudsige udseendet af de næste billeder i god tid – hvilket giver bedre billedhastigheder og billedkvalitet.
Dette konstante bombardement af billeddata på netværket træner det, hvilket gør det i stand til at opskalere opløsningen af spil øjeblikkeligt. Når det er trænet, sendes dette netværk til NVIDIA GPU'er gennem driveropdateringer, hvilket gør dem i stand til at øge opløsningen af billeder ved hjælp af trænede neurale netværk.
DLSS 3.0 går tværtimod et skridt videre og gengiver komplette frames ved hjælp af denne metode. Derfor øger DLSS 3 ikke kun spillenes opløsning, men det interleaves også AI-genererede frames i dit gameplay.
På grund af denne tilgang skal GPU'en behandle meget færre data, og ifølge NVIDIA, med DLSS 3 aktiveret, beregner GPU'en kun 1/8 af rammen. AI forudsiger resten. Det er denne stigning i AI-gengivelse, der gør det muligt at levere FPS fire gange hurtigere sammenlignet med traditionelle gengivelsesmetoder.
Men hvordan forudsiger DLSS 3 hele billeder uden at bruge konventionelle renderingspipelines? Nå, det er alt takket være NVIDIAs nye Ada Lovelace-arkitektur kører på nye fjerdegenerations tensorkerner, som muliggør framegenerering ved hjælp af AI.
Her er hvordan alt fungerer.
Frame Generation ved hjælp af AI på DLSS 3
Så ligesom DLSS bruger DLSS 3 tensorkerner til at øge opløsningen af frames, men den har også specielle optiske flowacceleratorer, som hjælper GPU'en med at forudsige frames. For at forudsige frames får den optiske flowaccelerator adskillige højopløsningsdatarammer genereret af DLSS. Den optiske flowaccelerator bruger derefter disse data til at generere det optiske flowfelt.
Dette optiske flow-felt definerer, hvordan pixeldata ændres mellem to rammer, og disse data bruges sammen med geometriske bevægelsesvektorer til at generere AI-rammer. Ved at bruge det optiske flow kan NVIDIA RTX 4000-seriens GPU'er derfor placere nye frames genereret ved hjælp af AI mellem frames genereret ved hjælp af den traditionelle tilgang – hvilket øger FPS.
Når det er sagt, har interleaving af AI-genererede frames i et spil sine udfordringer, og den største er input lag. GPU'en kan trods alt ikke forudsige brugerinput på en frame genereret ved hjælp af AI.
For at løse dette problem bruger NVIDIA sin Reflex-teknologi.
DLSS 3 og NVIDIA Reflex
Før du går ind i NVIDIA Reflex, er det vigtigt at forstå, hvordan dine musebevægelser når GPU'en. Så når du flytter musen eller trykker på en tast for at flytte en karakter i et spil, sender musen pegeinformationen til CPU'en. Som så behandler det og sender det til gengivelseskøen. Herfra sendes dataene til GPU'en, som sender dine pegeoplysninger til skærmen.
Denne traditionelle datainputpipeline genererer en masse forsinkelse, da brugerinput kan forblive i gengivelseskøen i længere tid, hvilket får dig til at gå glip af det headshot. For at løse dette problem har vi NVIDIA Reflex, en teknologi, der eliminerer gengivelseskøen og sender data direkte til GPU'en fra CPU'en - hvilket reducerer inputforsinkelse med op til 80 procent.
Kan du bruge DLSS 3 på ældre GPU'er?
NVIDIA udgav DLSS 3 med sin RTX 4000-serien GPU'er, og hvis du ejer en ældre RTX GPU, som understøtter DLSS, spekulerer du måske på, om DLSS 3 vil forbedre din spiloplevelse.
Vigtigst er det, at DLSS på ældre systemer forbedres med DLSS 3, da den bruger AI, og de neurale netværk vil helt sikkert blive bedre med de nye opdateringer. Når det er sagt, vil nyere rammegenereringsteknologi på ældre systemer ikke blive understøttet, da den bruger nyere fjerde generation af tensorkerner sammen med optiske flowacceleratorer, som kun kan findes på NVIDIA RTX 4000-serien.
Når det er sagt, ifølge a Reddit tråd, kan framegenerering aktiveres på ældre RTX-systemer ved at foretage ændringer i konfigurationsfiler. Vi har dog ikke haft mulighed for at teste, om dette virker.
Er DLSS 3 værd at opgradere til?
DLSS 3 bruger kunstig intelligens til at øge opløsningen af de spil, du spiller. Denne tilgang tilbyder ikke kun bedre framerates, men den gør også spil i høje opløsninger muligt på lavere-end GPU'er.
Derfor, hvis du vil nyde høj FPS, mens du spiller krævende spil på 4k på et budget, er det værd at opgradere til DLSS.
