Intel과 UCSC는 NVIDIA의 DLSS에 대한 유망한 대안을 연구하고 있습니다. NVIDIA는 인텔과 UCSC가 매우 흥미로운 대안을 개발하도록 영감을 준 스마트 리스케일링 기술인 DLSS 2.0으로 전환점을 표시했지만 아직 초기 단계에 있으므로 갈 길이 멉니다.
NVIDIA의 DLSS 2.0 기술은 일련의 알고리즘(인공 지능)을 사용하여 서로 다른 이미지를 결합하여 완벽한 프레임을 만드는 재구성 프로세스를 생성합니다.
기존의 크기 조정 기술은 더 적은 수의 픽셀로 렌더링하고 나머지는 렌더링된 픽셀에서 외삽합니다. 결과를 개선하기 위해 가장자리를 부드럽게 하고 톱니를 줄이는 임시 이미지 필터를 적용하지만 일반적으로 결국에는 흐릿함을 생성합니다.
DLSS 2.0 기술은 그런 식으로 작동하지 않습니다. 낮은 해상도에서 시작하는 것도 사실입니다. 즉, 선택한 설정에 따라 대상 해상도의 50% 또는 67%로 이미지를 렌더링하지만 누락된 부분을 늘리거나 채우는 데 국한되지 않습니다. 픽셀 대신 실시간으로 이미지를 결합하는 프로세스를 수행하여 고품질 이미지를 생성하는 재구성 주기를 완료합니다. 당시 보았듯이 TAA가 적용된 기본 해상도 설정보다 성능이 뛰어날 정도로 매우 효과적입니다.
- Intel은 “Jasper Lake” 프로세서가 탑재된 저렴한 PC를 목표로 합니다.
- 이미지는 Nvidia RTX 3090, RTX 3080 및 RTX 3070 크기를 보여줍니다.
- NVIDIA, 획기적인 변경 사항이 포함된 GeForce RTX 3070, 3080 및 3090 출시
DLSS 2.0을 사용하면 절반의 픽셀을 사용하여 완벽한 이미지를 얻을 수 있고 16K 해상도로 지능적으로 크기를 조정할 수 있습니다. 이는 많은 독자가 알고 있듯이 인공 지능과 RTX 20을 포함한 Tensor 코어 덕분에 가능했습니다. 이 워크로드의 속도를 높이는 데 전념하는 RTX 30 그래픽 카드.
Intel과 UCSC도 이 분야에서 발전하기를 원합니다.
그리고 이를 달성하기 위해 UCSC와 함께 우리가 이미 몇 년 동안(2013년에 출시) 사용하고 있는 클래식인 “Infiltrator” 데모에서 작업한 것을 볼 수 있는 지능형 재조정 기술을 개발했습니다. 언리얼 엔진 4.
인텔의 지능형 리스케일링 기술은 NVIDIA의 DLSS 기술과 유사한 접근 방식을 기반으로 하며 QW-Net이라는 신경망을 사용하여 이미지 재구성 프로세스를 수행합니다. 프로젝트 책임자에 따르면 이 프로세스를 완료하는 데 필요한 작업의 95%는 4비트 정수입니다.
Intel과 UCSC는 서로 다른 작업에 특화된 두 개의 U자형 네트워크를 결합했습니다. 첫 번째는 이미지에서 특징 추출에 초점을 맞추고 두 번째는 출력 이미지의 필터링 및 재구성에 초점을 맞춥니다. 두 네트워크의 역할은 완벽하게 구별되지만 첫 번째 네트워크가 더 큰 계산 부하를 나타낸다는 것을 분명히 해야 합니다. 반면에 두 번째는 (계산 수준에서) 더 낮은 작업 부하를 나타내지만 더 높은 정밀도가 필요하므로 오류 마진이 적습니다.
상상할 수 있듯이 이 네트워크는 반복적으로 프레임을 축적하므로 첨부된 비디오에서 볼 수 있듯이 시간이 지남에 따라 안정적인 결과를 얻을 수 있고 TAA가 적용된 기본 렌더링에 거의 부러워할 만한 출력 품질을 얻을 수 있습니다. 불행히도 이 기술은 NVIDIA DLSS 2.0과 같이 아직 실시간으로 작동할 준비가 되어 있지 않으므로 단기 또는 중기적으로는 그렇지 않을 것입니다.
모든 것에도 불구하고 이는 매우 흥미로운 솔루션이며 Intel과 UCSC가 직면하고 있는 기술적 어려움을 알고 있기 때문에 NVIDIA DLSS 2.0이 달성한 엄청난 발전을 보다 심오한 방식으로 내면화할 수 있습니다.