AMD Die im Jahr 2021 veröffentlichte FidelityFX Super Resolution hinkte hinterher NVIDIA DLSS für 2 Jahre. Die erste Generation von FSR basierte auf der räumlichen Skalierungstechnologie, die es vielen Spielern ermöglichte, dank Open-Source-, Multi-Vendor- und Cross-Plattform-Unterstützung die Vorteile einer einfachen Skalierung zu nutzen. FSR2 erweiterte diese Unterstützung durch die Einführung einer ausgefeilteren und besseren Zeitskalierungstechnik.
FSR ist kein KI-basierter Algorithmus und erfordert daher keine speziellen KI-Kernel, um effektiv zu funktionieren. Dies ist der Hauptunterschied zwischen DLSS und XeSS, die KI nutzen, um zeitliche Artefakte zu korrigieren. DLSS erfordert Tensor-Kerne, während XeSS zwei Versionen für GPUs mit Unterstützung für DP4a-Anweisungen und eine auf XMX-Kernen basierende Implementierung hat, die bessere Qualität und Leistung bietet.
Es scheint, dass AMD die Möglichkeit prüft, KI-Algorithmen zu ihrer Skalierung zu verwenden, wie Mark Papermaster (CTO von AMD) angedeutet hat:
2024 ist ein riesiges Jahr für uns, weil wir so viele Jahre in unsere KI-Hardware- und Softwarefähigkeiten investiert haben. Wir haben gerade damit begonnen, KI in unser gesamtes Portfolio zu integrieren. Sie wissen also, dass es sich dabei um Cloud, Edge, PC sowie unsere Embedded- und Gaming-Geräte handelt. Wir statten unsere Gaming-Geräte mit KI aus und 2024 ist ein wirklich großes Jahr für KI. Jetzt haben wir also alle Möglichkeiten dafür.
Laut Papermaster besteht die Möglichkeit, dass das Unternehmen darüber nachdenkt, KI in den Skalierungsprozess zu integrieren. FSR wird in dieser Stellungnahme nicht direkt erwähnt. Angesichts der Tatsache, dass Papermaster die Spiele besprochen hat, lenkt es jedoch die Aufmerksamkeit auf FSR. Wenn FSR KI-Unterstützung erhält, wird es mit DLSS und XeSS gleichgesetzt.
Da es sich bei beiden konkurrierenden Technologien um Closed-Source-Technologien handelt, ist nicht bekannt, in welchem Umfang KI tatsächlich eingesetzt wird. Soweit wir wissen, könnten die Pläne von AMD auch darauf abzielen, einen maschinellen Lernalgorithmus zu verwenden, der Artefakte wie in DLSS 2 entfernt.
Lesen Sie auch: