NVIDIA släppte sina nya grafikprocessorer i september 2022. Med en ny grafikbearbetningsarkitektur som körs på mindre fyra nanometer transistorer, kommer de nya 4000-seriens GPU: er med många ringsignaler och visselpipor.
Ännu bättre, de nya GPU: erna kommer också med DLSS 3, en bilduppskalningsteknik som drivs av artificiell intelligens som kan förbättra bildhastigheterna på din rigg exponentiellt.
Men vad är DLSS 3.0, och är det värt uppgraderingen? Nåväl, låt oss ta reda på det.
Vad är DLSS 3.0?
Förkortning för Deep Learning Super Sampling, DLSS är en neural grafikteknik som använder kraften från artificiell intelligens (AI) för att förbättra bildhastigheterna på ditt system.
Supersamplingen i DLSS hänvisar till en kantutjämningsteknik som används för att förbättra videokvaliteten genom att rendera spelramar med högre upplösning och sedan nedsampla det – förbättra videokvaliteten genom att minska aliasing. Som sagt, att rendera ramar med högre upplösningar är mycket påfrestande för din GPU, och att använda kantutjämningsfunktioner minskar vanligtvis din FPS. När allt kommer omkring måste din GPU bearbeta mer pixeldata och nedsampla den till din ursprungliga upplösning.
Det är här "Deep Learning"-delen av DLSS kommer in i bilden. Du förstår, i traditionella kantutjämningsmetoder måste GPU: n rendera ramar med högre upplösningar, men med djupinlärning behöver GPU: n inte göra det. Istället behöver den bara generera ramarna med en inbyggd upplösning, och sedan tensorkärnor på GPU: n förutsäga hur ramen ska se ut när den renderas med högre upplösning.
Detta tillvägagångssätt minskar beräkningskostnaderna för att rendera ramar med högre upplösning på grund av AI-intervention. Därför, enkelt uttryckt, återger DLSS dina spel med en högre upplösning genom att använda artificiell intelligens.
DLSS 3.0, å andra sidan, är den tredje iterationen av samma teknik. Det förbättras på DLSS genom att förutsäga hela bildrutor istället för att bara öka bildruteupplösningen – vilket förbättrar bildhastigheterna exponentiellt.
Så här fungerar det hela.
Hur fungerar DLSS 3?
Innan du börjar med DLSS 3 är det viktigt att förstå hur äldre versioner fungerar – och hur DLSS 3 bygger på det.
Som förklarats tidigare använder DLSS AI för att rendera bilder med högre upplösning. Detta innebär att GPU: n inte är programmerad för att öka upplösningen på ramarna. Istället tränas GPU: n genom att visa bilder med lägre och högre upplösning för att programmera sig själv.
NVIDIA driver ett Convolutional Neural Network (CNN) för att utföra denna träning på sina superdatorer. Detta nätverk visas sedan bilder av ett spel som körs med lägre upplösningar som ingång. Samtidigt, som en utgång, visas nätverket samma bilder renderade med 64 gånger upplösningen med både kantutjämningsfunktioner aktiverade och inaktiverade.
Förutom de hög- och lågupplösta bilderna tränas CNN även med hjälp av temporal feedback. Denna feedback ger nätverksinformation om hur objekt i bilden rör sig över bildrutor med avseende på deras ursprungliga och högre upplösning. Detta gör att CNN kan förutsäga utseendet på nästa bildruta i god tid – vilket ger bättre bildhastigheter och bildkvalitet.
Detta ständiga bombardement av bilddata på nätverket tränar det, vilket gör det möjligt för det att uppgradera spelupplösningen omedelbart. När det har tränats skickas detta nätverk till NVIDIA GPU: er genom drivrutinsuppdateringar, vilket gör det möjligt för dem att öka upplösningen på bilder med hjälp av utbildade neurala nätverk.
DLSS 3.0, tvärtom, går ett steg längre och renderar kompletta ramar med denna metod. Därför ökar DLSS 3 inte bara upplösningen på spelen, utan det interfolierar också AI-genererade ramar i ditt spelande.
På grund av detta tillvägagångssätt måste GPU: n bearbeta mycket mindre data, och enligt NVIDIA, med DLSS 3 aktiverat, beräknar GPU: n bara 1/8 av ramen. AI förutspår resten. Det är denna ökning av AI-rendering som gör att FPS kan levereras fyra gånger snabbare jämfört med traditionella renderingsmetoder.
Men hur förutsäger DLSS 3 hela bildrutor utan att använda konventionella renderingspipelines? Tja, det är allt tack vare NVIDIAs nya Ada Lovelace-arkitektur körs på nya fjärde generationens tensorkärnor, vilket möjliggör ramgenerering med AI.
Så här fungerar allt.
Frame Generation med hjälp av AI på DLSS 3
Så precis som DLSS använder DLSS 3 tensorkärnor för att öka upplösningen på ramarna, men den har också speciella optiska flödesacceleratorer som hjälper GPU: n att förutsäga ramar. För att förutsäga ramarna får den optiska flödesacceleratorn flera högupplösta dataramar genererade av DLSS. Den optiska flödesacceleratorn använder sedan dessa data för att generera det optiska flödesfältet.
Detta optiska flödesfält definierar hur pixeldata ändras mellan två bildrutor, och dessa data, tillsammans med geometriska rörelsevektorer, används för att generera AI-ramar. Genom att använda det optiska flödet kan NVIDIA RTX 4000-seriens GPU: er därför placera nya ramar genererade med AI mellan ramar som genererats med det traditionella tillvägagångssättet – vilket ökar FPS.
Som sagt, interleaving av AI-genererade ramar i ett spel har sina utmaningar, och den största är input lag. När allt kommer omkring kan GPU: n inte förutsäga användarinmatningen på en ram som genereras med AI.
För att lösa detta problem använder NVIDIA sin Reflex-teknik.
DLSS 3 och NVIDIA Reflex
Innan du börjar med NVIDIA Reflex är det viktigt att förstå hur dina musrörelser når GPU: n. Så när du flyttar musen eller trycker på en tangent för att flytta en karaktär i ett spel, skickar musen pekinformationen till CPU: n. Som sedan bearbetar den och skickar den till renderingskön. Härifrån skickas data till GPU: n, som skickar din pekinformation till skärmen.
Denna traditionella datainmatningspipeline genererar mycket fördröjning eftersom användarinmatningarna kan stanna i renderingskön längre, vilket gör att du missar det där huvudbilden. För att lösa det här problemet har vi NVIDIA Reflex, en teknik som eliminerar renderingskön och skickar data direkt till GPU: n från processorn – vilket minskar ingångsfördröjningen med upp till 80 procent.
Kan du använda DLSS 3 på äldre GPU: er?
NVIDIA släppte DLSS 3 med sin RTX 4000-serien GPU: er, och om du äger en äldre RTX GPU som stöder DLSS, kanske du undrar om DLSS 3 kommer att förbättra din spelupplevelse.
Viktigast av allt, DLSS på äldre system kommer att förbättras med DLSS 3 eftersom den använder AI, och de neurala nätverken kommer att bli bättre med de nya uppdateringarna. Som sagt, nyare ramgenereringsteknik på äldre system kommer inte att stödjas eftersom den använder nyare fjärde generationens tensorkärnor tillsammans med optiska flödesacceleratorer, som bara kan hittas på NVIDIA RTX 4000-serien.
Som sagt, enligt a Reddit tråd, kan ramgenerering aktiveras på äldre RTX-system genom att göra ändringar i konfigurationsfiler. Vi har dock inte haft en chans att testa om detta fungerar.
Är DLSS 3 värt att uppgradera för?
DLSS 3 använder artificiell intelligens för att öka upplösningen på spelen du spelar. Detta tillvägagångssätt erbjuder inte bara bättre bildhastigheter, utan det gör också spel med höga upplösningar möjligt på lägre GPU: er.
Därför, om du vill njuta av hög FPS medan du spelar krävande spel på 4k på en budget, är det värt det att uppgradera till DLSS.
