追求游戲畫質(zhì)？DLSS你值得擁有
NVIDIA?DLSS（深度學(xué)習(xí)超級采樣）是一項開創(chuàng)性 AI 渲染技術(shù)，它利用?GeForce RTX??GPU?上的專用 AI 處理單元 - Tensor Core?將視覺保真度提升至全新高度。
DLSS 利用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的強大功能提高幀率，為游戲生成精美清晰的圖像，甚至還能獲得足夠的性能優(yōu)化空間，從而可以很大程度調(diào)高光線追蹤設(shè)置并提升輸出分辨率。
在現(xiàn)代游戲中，渲染的幀并非直接顯示，而是先對其執(zhí)行后期處理圖像增強步驟。在此步驟中，將來自多個渲染幀的輸入組合在一起，以在保留細(xì)節(jié)的同時，消除諸如鋸齒等視覺失真現(xiàn)象。
例如，隨機采樣抗鋸齒 (TAA)?是目前常用的圖像增強算法之一，這是一種基于著色器的算法，使用運動矢量組合兩幀，以確定在何處對前一幀進行采樣。?然而，這種圖像增強過程從根本上來說很難正確實行。
為解決這一難題而開發(fā)的深度神經(jīng)網(wǎng)絡(luò) (DNN) 稱為深度學(xué)習(xí)超級采樣 (DLSS)。DLSS 針對一組給定輸入樣本所產(chǎn)生的輸出質(zhì)量要比 TAA 高得多，可以利用這種能力來改進總體性能。TAA 以目標(biāo)分辨率渲染，然后組合幀，而 DLSS 通過消除細(xì)節(jié)，能夠以更低的輸入樣本數(shù)更快地渲染，這意味著以目標(biāo)分辨率得到的結(jié)果與 TAA 結(jié)果的質(zhì)量不相上下，但是只需執(zhí)行大約一半的著色工作。
DLSS 的訓(xùn)練過程中將有機會學(xué)習(xí)如何根據(jù)大量超高質(zhì)量的示例生成所需的輸出。
為了訓(xùn)練網(wǎng)絡(luò)，需要收集成千上萬的“真值”參考圖像，這些圖像均采用黃金標(biāo)準(zhǔn)方法渲染，具有完美的圖像質(zhì)量，即 64 倍超級采樣 (64xSS)。64 倍超級采樣是指我們在像素內(nèi)以 64 個不同的偏移量進行著色，然后將輸出組合在一起，生成具有理想細(xì)節(jié)并抗鋸齒的優(yōu)質(zhì)圖像，而不是對每個像素進行一次著色處理。
另外還需要捕捉與之相匹配的正常渲染的原始輸入圖像。
接著開始訓(xùn)練 DLSS 網(wǎng)絡(luò)來匹配 64xSS 輸出幀，通過遍歷每個輸入，要求 DLSS 產(chǎn)生一個輸出，測量其輸出與 64xSS 目標(biāo)之間的差值，并根據(jù)差值調(diào)節(jié)網(wǎng)絡(luò)中的權(quán)重，這個過程稱為反向傳播。
經(jīng)過多次迭代后，DLSS 可以自行學(xué)習(xí)生成接近 64xSS 質(zhì)量的圖像，同時還避免出現(xiàn)影響 TAA 等傳統(tǒng)方法的模糊、不清晰和透明問題。
除此之外，還有第二種模式， 稱為 DLSS 2X。在這種情況下，以目標(biāo)分辨率渲染 DLSS 輸入，然后將其與更大的 DLSS 網(wǎng)絡(luò)結(jié)合，以產(chǎn)生接近 64 倍超級樣本渲染水平的輸出圖像，而這種結(jié)果不可能通過任何傳統(tǒng)方式實時實現(xiàn)。
下圖顯示多幀圖像增強面臨的一種挑戰(zhàn)。在這種情況下，半透明屏幕浮動于以不同方式移動的背景前面。TAA 往往會盲目地跟隨移動物體的運動矢量，從而造成屏幕上的細(xì)節(jié)模糊不清。而 DLSS 卻能識別出場景中更為復(fù)雜的變化，并以一種更智能的方式 整合輸入，從而避免模糊問題。
?
DLSS 2.0
人工智能正在引發(fā)一場游戲革命，從游戲內(nèi)的物理和動畫模擬到實時渲染和 AI 增強的直播功能，均有涉及。借助深度學(xué)習(xí)超級采樣（DLSS）技術(shù)，NVIDIA 開始通過基于 AI 的超高分辨率重新定義實時渲染，即渲染更少的像素，然后使用 AI 構(gòu)建更清晰、更高分辨率的圖像。隨著新版 DLSS 2.0 的推出，為玩家提供了充足的性能，有助于光線追蹤設(shè)置，并提高輸出分辨率。
DLSS 2.0 在原始版本的基礎(chǔ)上的增強:
出色的圖像質(zhì)量：DLSS 2.0 可在僅渲染四分之一到半數(shù)像素的前提下，提供與原始分辨率相媲美的畫質(zhì)。其采用全新時間反饋技術(shù)，能夠?qū)崿F(xiàn)更清晰的圖像細(xì)節(jié)，同時提高幀與幀之間的穩(wěn)定性。
在不同RTX 顯卡和分辨率上均具有出色的擴展性：全新 AI 網(wǎng)絡(luò)能夠更高效地使用 Tensor Cores，執(zhí)行速度比原始版本快一倍。這不僅有助于提高幀率，還可消除以前顯卡、設(shè)置和分辨率上的限制。
一個適用于所有游戲的網(wǎng)絡(luò)：原始 DLSS 需要針對每個新游戲訓(xùn)練 AI 網(wǎng)絡(luò)。DLSS 2.0 則使用非特定于某一游戲的內(nèi)容開展訓(xùn)練，從而能夠提供一個跨游戲使用的通用網(wǎng)絡(luò)。這意味著游戲集成更快，將能支持更多 DLSS 游戲。
自定義化選項：DLSS 2.0 為用戶提供“質(zhì)量”(Quality)、“平衡”(Balanced) 和“性能”(Performance) 這 3 種畫質(zhì)模式來控制游戲的內(nèi)部渲染分辨率；啟用“性能”(Performance) 模式后，可實現(xiàn)高達 4 倍的超高分辨率（即從 1080p 到 4K）。這意味著用戶選擇更豐富，性能提升更顯著。
??
AI 加速渲染
專用 Tensor Core 的 AI 渲染技術(shù)可提供令人驚嘆的強大性能，不僅能提升幀率，還能為您提供足夠的性能優(yōu)化空間，從而增強圖形設(shè)置并提升分辨率，甚至可以將分辨率提升至 8K。
無損性能，卓越畫質(zhì)
利用 NVIDIA DLSS 技術(shù)，可以助您暢享光線追蹤和超高分辨率。該技術(shù)可通過高級 AI 渲染生成媲美原生分辨率的畫質(zhì)，有時甚至更加出色。其采用全新時間反饋技術(shù)，能夠?qū)崿F(xiàn)更清晰的圖像細(xì)節(jié)，同時提高幀與幀之間的穩(wěn)定性。
麗臺RTX 3080 LIFE ES生命電競顯卡DLSS ON/OFF性能測評
支持或采用DLSS的游戲
暗黑血統(tǒng) 3 (Darksiders III)（來自?Gunfire Games?/?THQ Nordic）
飛向月球：財富 (Deliver Us The Moon: Fortuna)（來自?KeokeN Interactive）
恐懼狼群 (Fear The Wolves)（來自?Vostok Games?/?Focus Home Interactive）
地獄之刃：塞娜的獻祭 (Hellblade: Senua's Sacrifice)?（來自?Ninja Theory）
KINETIK?（來自?Hero Machine Studios）
前哨零 (Outpost Zero)（來自?Symmetric Games?/?tinyBuild Games）
超殺：行尸走肉 (Overkill's The Walking Dead)（來自?Overkill Software?/?Starbreeze Studios）
人渣 (SCUM)?（來自?Gamepires?/?Devolver Digital）
風(fēng)暴潛者 (Stormdivers)?（來自?Housemarque）
方舟：生存進化 (Ark: Survival Evolved)”?（來自?Studio Wildcard）
原子之心 (Atomic Heart)（來自?Mundfish）
無畏 (Dauntless)（來自?Phoenix Labs）
最終幻想 XV：Windows 版 (Final Fantasy XV: Windows Edition)（來自?Square Enix）
破碎之地 (Fractured Lands)（來自?Unbroken Studios）
殺手 2 (Hitman 2)?（來自?IO Interactive?/?Warner Bros）
奈恩群島 (Islands of Nyne)（來自?Define Human Studios）
逆水寒 (Justice)（來自?網(wǎng)易）
劍網(wǎng) 3 (JX3)（來自?金山軟件公司）
機甲戰(zhàn)士 5：雇傭兵 (Mechwarrior 5: Mercenaries)（來自?Piranha Games）
絕地求生 (PlayerUnknown’s Battlegrounds)（來自?PUBG Corp.）
遺跡：灰燼重生 (Remnant: From the Ashes)（來自?Arc Games）
英雄薩姆 4：星球惡棍 (Serious Sam 4: Planet Badass)（來自?Croteam?/?Devolver Digital）
古墓麗影：暗影 (Shadow of the Tomb Raider)（來自?Square Enix?/?Eidos-Montréal?/?Crystal?Dynamics?/?Nixxes）
鍛造競技場 (The Forge Arena)（來自?Freezing Raccoon Studios）
少數(shù)幸運兒 (We Happy Few)（來自?Compulsion Games?/?Gearbox）
