రిస్ వర్సెస్ డిఎల్ఎస్ఎస్: ఏ ఇమేజ్ రెస్క్యూలింగ్ టెక్నాలజీ మంచిది?

ఈ రోజు మనం RIS vs DLSS మధ్య పోలిక గురించి మాట్లాడుతాము, వరుసగా AMD మరియు Nvidia చిత్రానికి సంబంధించిన రెండు సాంకేతికతలు. ఈ సెకను ప్రజల నుండి ఎక్కువ దృష్టిని ఆకర్షించిందన్నది నిజం, కాని మేము రేడియన్ ఇమేజ్ పదును పెట్టడాన్ని తక్కువ అంచనా వేయకూడదు. వాటి అమలులు భిన్నంగా ఉన్నప్పటికీ, మనకు ఆసక్తి కలిగించేది ఏమిటంటే, వారి పనులు సమానంగా ఉంటాయి.

ఒకవేళ మీరు ఆశ్చర్యపోతుంటే, వ్యాసం యొక్క ప్రధాన చిత్రం హాలో 2 వర్సెస్ హాలో 2 రీమాస్టర్డ్ చిత్రాల పోలిక . దృశ్య మెరుగుదల రెండు సాఫ్ట్‌వేర్‌ల వల్ల కాదు, కానీ ఇది కొంతవరకు మాకు సంబంధించినది, ఎందుకంటే రెండు సాంకేతికతలు ఫ్రేమ్‌లను పునరుత్పత్తి చేస్తాయి మరియు మెరుగుపరుస్తాయి.

విషయ సూచిక

పునరుద్ధరణ మరియు ఇమేజ్ రీటౌచింగ్ యొక్క సాంకేతికతలు: RIS vs DLSS

మనం మాట్లాడుతున్న వాటికి పరిమితులు ఎక్కడ ఉన్నాయో నిర్వచించడం ద్వారా ప్రారంభిద్దాం, సరియైనదా? RIS vs DLSS పోలికలో పరిగణించవలసిన విషయాలు చాలా ఉన్నాయి, కాని మాకు చాలా ఆసక్తి కలిగించేది రెండు కార్యక్రమాల ఉద్దేశ్యం.

మాకు స్పష్టంగా ఏమిటంటే, రేడియన్ ఇమేజ్ షార్పనింగ్ మరియు డీప్ లెర్నింగ్ సూపర్ శాంప్లింగ్ రెండూ పునరుద్ధరించడం మరియు ఇమేజ్ మెరుగుదల సాంకేతికతలు . అయితే, ప్రతి ఒక్కరికి భిన్నమైన అమలు ఉంటుంది.

రెండు సాంకేతిక పరిజ్ఞానాలు అన్వయించాల్సిన ఫ్రేమ్ యొక్క పరిమాణాన్ని “తగ్గించి” ఆపై చిత్ర నాణ్యతను మెరుగుపరుస్తాయి, తద్వారా ఈ మార్పు గుర్తించబడదు.

• మొదటి దశ గ్రాఫిక్స్ మరియు ప్రాసెసర్ రెండూ చాలా తక్కువ పనిభారంతో పనిచేయగలవని నిర్ధారిస్తుంది. అన్నింటికంటే, 1080p వద్ద ఒక చిత్రాన్ని రెండరింగ్ చేయడం 4K వద్ద రెండరింగ్ చేయడం కంటే చాలా తేలికైన పని. రెండవ దశ ఒక అల్గోరిథం, ఇది చిత్రాన్ని 1080p అనిపించకుండా 'పునరుత్పత్తి చేస్తుంది' , కానీ 4K, ఉదాహరణకు. ఎక్కువ లేదా తక్కువ విజయంతో, రెండు అల్గోరిథంలు ఈ కృషి చేస్తాయి మరియు (లేదా కాదు) మన కళ్ళను మోసం చేస్తాయి.

పని బాగా జరిగితే, వినియోగదారు ఒకేలాంటి చిత్ర నాణ్యతతో సమానంగా ఎక్కువ ఎఫ్‌పిఎస్‌లను పొందుతారు. చెత్త సందర్భంలో మేము తప్పు లెక్కలు, వింత కళాఖండాలు మరియు ఇతర చిన్న దోషాలను చూస్తాము.

కానీ కొంతమంది జ్ఞానులు చెప్పినట్లు 'దెయ్యం వివరాలలో ఉంది' . బ్యాట్ యొక్క రెక్కలు మరియు పక్షి రెక్కల మాదిరిగానే, RIS vs DLSS సాంకేతికతలు, వీటి పనులు ఎక్కువగా కలుస్తాయి, కానీ దానిని సాధించే మార్గాలు వేరు. ఈ కారణంగా, మేము క్రింద ప్రతి అమలు గురించి వ్యక్తిగతంగా మాట్లాడుతాము.

AMD యొక్క పరిష్కారం: రేడియన్ ఇమేజ్ పదునుపెట్టడం

AMD ఆట మైదానానికి తీసుకువచ్చే సాంకేతికత చాలా ఆసక్తికరంగా ఉంది. ఇది ఓపెన్ సోర్స్ టూల్ AMD ఫిడిలిటీ FX తో పాటు అమలు చేయబడుతుంది, అంటే ఈ ప్యాక్ ఇన్‌స్టాల్ చేయబడిన ఏదైనా వీడియో గేమ్ AMD RIS ని ఆనందిస్తుంది.

రేడియన్ ఇమేజ్ షార్పనింగ్ యొక్క ప్రధాన విభాగం అడాప్టివ్ కాంట్రాస్ట్ ట్యూనింగ్ అల్గోరిథం . దీనికి ఒక వింత పేరు ఉంది, అయితే ఇది కెమెరాకు దగ్గరగా ఉన్న చిత్రాలను రీటూచ్ చేసి మెరుగుపరుస్తుందని చెప్పడానికి వస్తుంది . కొన్ని అల్లికలలో మెరుగుదల గుర్తించదగినది మరియు మొత్తం చిత్ర నాణ్యత అద్భుతమైనది.

అయినప్పటికీ, ఈ కార్యాచరణను మా భాగాల శక్తిని పెంచడానికి పునరుద్ధరణతో కలపవచ్చు. ఫోర్నైట్ వంటి కొన్ని శీర్షికలలో మేము స్థానికంగా ప్రొజెక్ట్ చేయడానికి రిజల్యూషన్‌ను తగ్గించవచ్చు.

మా విండోలో (1920 × 1080, ఉదాహరణకు) మేము 100% (1920 × 1080) లేదా 50% (960 × 540) యొక్క గేమ్-రిజల్యూషన్ కలిగి ఉండవచ్చు. పిక్సెల్‌ల తగ్గింపు పనిని చాలా కష్టతరం చేస్తుంది మరియు మనం ఎక్కువ ఎఫ్‌పిఎస్‌లను పొందగలం, కానీ బదులుగా చిత్రం రాజీపడుతుంది.

ఈ కారణంగా, స్కేల్ డౌన్ ఇమేజ్‌తో విజువల్ రీటౌచింగ్ విభాగాన్ని కలపడం గేమింగ్ అనుభవాన్ని గణనీయంగా మెరుగుపరుస్తుంది.

గమనించదగ్గ మరో విషయం ఏమిటంటే, ఈ టెక్నాలజీ అన్ని శీర్షికలలో కాకపోయినప్పటికీ , నవీ మరియు పొలారిస్ గ్రాఫిక్స్ కోసం మాత్రమే అందుబాటులో ఉంది. మేము ఫిడిలిటీ ఎఫ్ఎక్స్ మరియు ఎపిఐలు డైరెక్ట్‌ఎక్స్ 9 (నవీ మాత్రమే), డైరెక్ట్‌ఎక్స్ 12 లేదా వల్కన్‌లతో వీడియో గేమ్‌లలో మాత్రమే ఈ లక్షణాలను సక్రియం చేయగలము .

ఇది అక్కడ ఉత్తమమైనది కాదు, కానీ ముఖ్యమైన విషయం ఏమిటంటే ఇది భవిష్యత్తు కోసం ఉద్దేశించబడింది. ఎర్ర బృందం తీసుకోవాలనుకుంటున్న తదుపరి దశ డైరెక్ట్‌ఎక్స్ 11 కి మద్దతు ఇవ్వడం.

ఎన్విడియా సొల్యూషన్ : డీప్ లెర్నింగ్ సూపర్ శాంప్లింగ్

ఎన్విడియా ముందుకు వచ్చిన పరిష్కారం కొంత భిన్నంగా ఉంటుంది. ఇది పోటీకి కొంత సమయం ముందు ప్రకటించబడింది, పరీక్షించబడింది మరియు విడుదల చేయబడింది, కానీ అది మరింత నాటిది కాదు. నిజానికి, ఇది వ్యతిరేకం అని మేము చెబుతాము.

డీప్ లెర్నింగ్ సూపర్ శాంప్లింగ్ అనేది ఎన్విడియా ఆర్టిఎక్స్ గ్రాఫిక్స్ నుండి ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ కోర్లను ఉపయోగించే కొత్త వ్యవస్థను ఉపయోగించే సాంకేతికత . కారణం చాలా స్పష్టంగా ఉంది: DLSS నేర్చుకుంటున్న AI యొక్క పని ఆధారంగా ఒక అల్గోరిథంను ఉపయోగిస్తుంది . అయినప్పటికీ, ఇది రేడియన్ ఇమేజ్ పదునుపెట్టే అల్గోరిథం కాదు.

DLSS విషయంలో, చిత్రాల పరిమాణాన్ని మార్చడానికి ఒక సూపర్ కంప్యూటర్ శిక్షణ పొందుతుంది .

• మొదట మీకు యాంటీఅలియాసింగ్ లేకుండా మరియు లేకుండా వేలాది ఫ్రేమ్‌లు ఇవ్వబడతాయి మరియు తేడాలను ఎలా కనుగొనాలో నేర్చుకోమని అడిగారు, అప్పుడు మీకు అధిక రిజల్యూషన్‌లో పరిమాణం మార్చడానికి మీడియం లేదా తక్కువ రిజల్యూషన్‌లో చిత్రాల సమితి ఇవ్వబడుతుంది . చిత్రాలను పోల్చారు మరియు ఫలితం సమానంగా ఉంటే , అల్గోరిథం మెరుగుపడుతుంది. అయినప్పటికీ, ఇది తీవ్రమైన దోషాలను కలిగి ఉంటే, పరిశోధకులు దాన్ని సరిదిద్దారు మరియు దానిని మెరుగ్గా చేయడానికి యంత్రం కొత్త నియమాలను రూపొందించడానికి ప్రయత్నిస్తారు .

AI కి శిక్షణ ఇవ్వడానికి ఈ ప్రక్రియ రోజులు లేదా నెలల్లో వేల లేదా మిలియన్ల సార్లు పునరావృతమవుతుంది .

ఇది RIS చిత్రాన్ని మెరుగుపరచడానికి మార్పులు చేస్తుంది మరియు నేపథ్యంలో చిత్రాలను రక్షిస్తుంది, ఇక్కడ ఇది మరొక మార్గం. అదనంగా, న్యూరల్ నెట్‌వర్క్‌ల ఉపయోగం ఈ ప్రక్రియను నిరంతరం అభివృద్ధి చేయడానికి అనుమతిస్తుంది , దీని వలన DLSS మెరుగ్గా మరియు మెరుగ్గా పనిచేస్తుంది.

AI- ఆధారిత పరీక్ష అల్గారిథమ్‌తో క్లాసిక్ ఇమేజ్-ప్రాసెసింగ్ అల్గారిథమ్‌ను వారు పోల్చిన వీడియో ఇక్కడ ఉంది :

అయినప్పటికీ, ఈ సాంకేతిక పరిజ్ఞానం ఎన్విడియా ఆర్టిఎక్స్ గ్రాఫిక్స్లో మాత్రమే మనకు ఉంది. RT కోర్లు అవసరం ద్వారా, ఇతర గ్రాఫిక్స్ ఈ కార్యాచరణను అందించలేవు.

ఇంకా, ఈ సాఫ్ట్‌వేర్‌ను పరిచయం చేయడానికి మేము పోటీలో ఉన్నట్లుగా ఒక సాధనాన్ని అమలు చేయలేము. DLSS విషయంలో , ప్రతి అధ్యయనం వారి కోడ్‌లో "మానవీయంగా" అమలు చేయాలి మరియు ప్రతి గ్రాఫిక్స్ ఇంజిన్‌కు అనేక తేడాలు ఉన్నాయి. ఈ కారణంగా, DLSS అమలు చేయడం అంత సులభం కాదు.

RIS vs DLSS:

అందువల్ల, మేము మీకు అందించే అత్యంత స్పష్టమైన ముగింపు ఏమిటంటే, రెండు సాంకేతిక పరిజ్ఞానాలు ఒకే విధమైన విషయాలను సాధిస్తాయి, కాని వాటి పనులు అంత సారూప్యంగా ఉండవు.

ఇబ్బంది ఏమిటంటే , ఇద్దరూ తమ బ్రాండ్‌లకు మాత్రమే పరిమితం చేయబడ్డారు, కాబట్టి సమీప భవిష్యత్తులో రెండింటి కలయికను మనం చూడగలుగుతున్నట్లు అనిపించదు. ఇది ఉన్నప్పటికీ, మీరు ఉపయోగించే ప్లాట్‌ఫారమ్‌ను ఉపయోగించుకోండి, మీకు మొగ్గు చూపడానికి మంచి సాంకేతికత ఉంటుంది.

ఈ రోజు, భాగాల ప్రపంచం కదిలిస్తోంది మరియు ఇది వినియోగదారులకు మంచిది.

• గొప్ప ఇంటెల్‌ను అస్థిరపరిచిన గొప్ప ప్రయోగాన్ని CPU లు అనుభవించాయి . మరోవైపు, గ్రాఫిక్స్ రంగంలో AMD సురక్షితమైన దశతో వెళుతోంది . అలాగే, నీలం బృందం దాని వివిక్త గ్రాఫిక్‌లను సిద్ధం చేస్తోంది, కాబట్టి ఏమి జరుగుతుందో ఎవరికీ తెలియదు.

ఎవరికి తెలుసు, భవిష్యత్తులో మనం RIS వర్సెస్ DLSS వర్సెస్ ఇంటెల్ టెక్నాలజీని చూడవచ్చు . లేదా బహుశా మేము రెండు లేదా మూడు సాంకేతిక పరిజ్ఞానాల కలయికను చూడవచ్చు ఎందుకంటే పోటీ మరొక రంగును తీసుకుంటుంది.

ఒకవేళ, ఈ రెండు అద్భుతమైన సాంకేతిక పరిజ్ఞానాల మధ్య ఎక్కువ తేడాలను ఇక్కడ మేము మీకు చూపించాము . మీరు దీన్ని సులభంగా అర్థం చేసుకున్నారని మరియు మీరు క్రొత్తదాన్ని నేర్చుకున్నారని మేము ఆశిస్తున్నాము. ఇంకా, ఈ క్రొత్త సాంకేతిక పరిజ్ఞానాలు చాలా ఆసక్తికరమైన ఆలోచనలపై ఆధారపడి ఉన్నందున, ఈ అంశాలపై సమాచారాన్ని చదవడానికి మరియు శోధించడానికి మేము మిమ్మల్ని ప్రోత్సహిస్తున్నాము .

మరియు మీరు, ఇంటిగ్రేటెడ్ గ్రాఫిక్స్లో ఇంటెల్ మూడవ పోటీగా స్థిరపడుతుందని మీరు అనుకుంటున్నారా? ఏ సాంకేతిక పరిజ్ఞానం RIS vs DLSS అని మీరు అనుకుంటున్నారు? మీ ఆలోచనలను వ్యాఖ్య పెట్టెలో పంచుకోండి.

AMD RISNvidia DLSS SourceNvidia DLSS FAQ