Bigme KIVI KidsTV
Categories: Новини IT

AMD представить нову технологію масштабування на основі ШІ

AMD FidelityFX Super Resolution, випущена у 2021 році, відстала від NVIDIA DLSS на 2 роки. Перше покоління FSR базувалося на технології просторового масштабування, яка дозволила багатьом геймерам скористатися перевагами простого масштабування завдяки відкритому вихідному коду, підтримці різних виробників і кросплатформ. FSR2 розширив цю підтримку, запровадивши складнішу та якіснішу техніку часового масштабування.

FSR не є алгоритмом на основі штучного інтелекту, тому для його ефективної роботи не потрібні спеціальні ядра штучного інтелекту. Це основна відмінність між DLSS і XeSS, які використовують переваги ШІ для виправлення часових артефактів. DLSS вимагає ядер Tensor, в той час, як XeSS має дві версії для графічних процесорів з підтримкою інструкцій DP4a і реалізацію на базі XMX-ядер, яка пропонує кращу якість і продуктивність.

 

Схоже, що AMD, можливо, вивчає можливість використання ШІ-алгоритмів для їх масштабування, на що натякнув Марк Папермастер (технічний директор AMD):

2024 рік – це гігантський рік для нас, тому що ми витратили стільки років на наші апаратні та програмні можливості для ШІ. Ми щойно завершили впровадження ШІ у весь наш асортимент, тож ви знаєте, що це хмарні, периферійні, ПК, а також наші вбудовані та ігрові пристрої. Ми розширюємо можливості наших ігрових пристроїв за допомогою штучного інтелекту, і 2024 рік – це дійсно великий рік для впровадження ШІ. Тож зараз ми маємо всі можливості для цього.

Згідно із зауваженнями Папермастера, існує ймовірність того, що компанія розглядає можливість інтеграції ШІ в процес масштабування. У цій заяві немає прямої згадки про FSR. Однак, враховуючи, що Папермастер обговорював ігри, це привертає увагу до FSR. Якщо FSR отримає підтримку ШІ, це поставить її в один ряд з DLSS і XeSS.

Насправді оскільки обидві конкуруючі технології мають закритий вихідний код, невідомо, в якій мірі ШІ насправді використовується. Наскільки нам відомо, плани AMD також можуть бути спрямовані на використання алгоритму машинного навчання, який видаляє артефакти, як у DLSS 2.

Читайте також:

Share
Oleksii Diomin

Leave a Reply

Your email address will not be published. Required fields are marked*