文章图片

图片来源：英伟达

采访人员 | 彭新

在游戏、专业设计等消费级图形应用中 ， 随着显示分辨率增长 ， 图形精细度提高 ， 对于计算机图形计算单元（GPU）的计算能力需求正在高速增长 ， 如何应对两者之间的矛盾 ， 成为主要图形技术公司的研究课题 。
借助人工智能技术缓解这一矛盾 ， 成为主要图形领域相关公司的主流方向 。 自2019年起 ， 英伟达推出名为DLSS（深度学习超级采样）技术 ， 利用深度学习将较低分辨率的图像缩放为更高分辨率的图像 ， 以便在更高分辨率的计算机显示器上显示 。 随后 ， 微软、英特尔、联发科等公司纷纷推进 ， “人工智能”在消费级图形技术领域 ， 尤其是游戏用途中 ， 得以大显身手 。
英伟达是用“人工智能”技术改善图形渲染显示的先锋 。 在硬件上 ， 英伟达在其RTX 20与30系列GPU内置专用AI计算单元Tensor Core ， 就有加速DLSS的职能 。 经过3年发展 ， DLSS已经逐步成熟 。
2020年年英伟达将DLSS升级到2.0版本 ， 成为DLSS被市场接受的重大更新 ， 其工作方式大致上为：英伟达用超级计算机对游戏超高分辨率的画面和输出的低分辨率画面映射做训练（training） ， 输入包括了运动向量等数据 ， 应用于高分辨率画面可以预测下一帧画面 。 其后 ， 训练得到的AI模型通过驱动和升级推送到用户端 。 而在用户端 ， 在开启DLSS特性的游戏里 ， GPU就应用训练模型 ， 进行推理（inference） ， 实现低分辨率画面拉伸到高分辨率的操作 。

文章图片

英伟达以《 赛博朋克2077 》一架移动中的跑车为例称 ， DLSS 2.3 能有效解决“鬼影”问题 。
在近日推出的DLSS技术最新2.3版本中 ， 英伟达还称 ， 新的AI算法可以更智能地利用运动矢量来改善运动物体的渲染表现 ， 同时还改善了重影、时间稳定性等 ， 比如此前用户反馈比较多的细小物体拖影问题 ， 是英伟达比较重要的一词技术更新 。
DLSS与英伟达力推的实时光线追踪技术一同 ， 成为新一代图形领域的重要技术支撑 。 原因在于实时光线追踪对GPU硬件资源仍有着相当贪婪的需求 ， 如当GPU以4K分辨率、开启光线追踪运行时 ， 计算压力巨大 ， 配套的DLSS能缓解硬件资源方面的压力 。
此外 ， 测试显示 ， DLSS处理的画面 ， 与原生分辨率几乎没有差别 ， 在某些地方甚至还能做到更好 。 因此 ， 对于画面每秒帧数（FPS）有更高的要求的VR游戏 ， DLSS能带来更好的体验改善 ， 有助于VR技术的普及 。
将低分辨率拉伸到高分辨率 ， 业界通常称为“游戏超分” ， 能在一定程度上在硬件瓶颈下改善游戏画质 ， 此前在游戏机上颇为常用 。 在英伟达推出DLSS后 ， AMD也在PC平台推出了FSR（ FidelityFX Super Resolution ， 超级分辨率锐画技术）技术应对 ， 但FSR技术事实上并未应用AI 。
尽管FSR应用范围更大 ， 但在技术选择上 ， 业界更倾向于英伟达的AI路线 。 原因在于借助AI学习方式 ， 是自渲染方式到输出进行连贯的图像处理与强化 ， 与将完成后的影像套用固定方式进行放大与锐化仍有明显技术优势 。 不过 ， 英伟称近期称其在游戏超分领域提供全栈技术方案 ， 提供玩家包括DLSS到NIS（英伟达图像缩放 ， 与AMD FSR方案类似）的技术方案选择 ， 通过驱动更新形式向玩家升级 。
在移动市场 ， 借助AI改善游戏画面成为移动厂商关注的问题 。 “我们也认同游戏市场有这样的需求 。 我们未来会布局游戏超分 ， 在移动平台端的完整方案 。 目标上和英伟达一致 ， 满足游戏开发者在性能和画质上的要求 ， 芯片平台的性能、功耗也达到整体平衡 。 ”在近日举行的一场媒体技术沟通会上 ， 联发科相关人士称 。