fbpx
Image default
Noticias Tecnología Videojuegos

NVIDIA anuncia mejoras en calidad de imagen, y DLSS 2.3 SDK

El día de hoy, NVIDIA nos presenta las últimas mejoras en calidad de imagen ya sea mediante herramientas en sus drivers Game Ready, así como en la nueva actualización de su SDK DLSS 2.3.

Una nueva versión de los drivers Game Ready de NVIDIA arriban hoy, en estos nuevos drivers tendremos incorporadas mejoras a las características ya presentes, como por ejemplo la herramienta para escalado Image Scaling, y la herramienta para afinar la imagen (Image Sharpening Filter).

Estas herramientas, ya se encuentran actualmente disponibles desde el 2019, pero ahora sufren una notoria actualización. Esta actualización no es meramente estética, sino que también en calidad y rendimiento final.

Click para Agrandar

En esta comparativa, tenemos 3 aplicaciones de mejoras de calidad de imagen, junto a la nativa. Junto con ello, se tiene la mejora en rendimiento de cada una de ellas. Obviamente que DLSS obtiene el mejor rendimiento, ya que opera de una forma diferente, y utilizando Inteligencia Artificial, infiere la información faltante en la pantalla, otorgando mayor nitidez y de paso mejores FPS.

¿Cuál es la diferencia entre DLSS y los otros Escaladores de Imagen?

Existen profundas diferencias entre NVIDIA DLSS y los escaladores espaciales como el escalado de imágenes de NVIDIA, AMD FSR y los filtros bilineales, bicúbicos y Lanczos. Vale la pena comprender estas diferencias fundamentales entre DLSS y los escaladores espaciales porque explican las diferencias de calidad de imagen de DLSS y las limitaciones de otras tecnologías.

DLSS se diseñó desde cero para superar las limitaciones de escala mediante el uso de supermuestreo, retroalimentación temporal y técnicas de IA para proporcionar una calidad de imagen comparable a las resoluciones nativas con importantes mejoras de rendimiento.

Los escaladores espaciales carecen de estas tecnologías para generar imágenes de calidad nativa y hacen un sacrificio de calidad de imagen por el rendimiento. Sin técnicas de inteligencia artificial entrenadas en supermuestreo, no pueden ofrecer una calidad de imagen equivalente a las resoluciones nativas, y las imágenes con factores de escala más altos y resoluciones más bajas se ven mucho peor. Y debido a que carecen de retroalimentación temporal, sufren de artefactos adicionales inducidos por el movimiento.

En general, la diferencia es que los escaladores espaciales sacrifican la calidad de la imagen por el rendimiento mediante el uso de técnicas más antiguas y sencillas. Y DLSS utiliza técnicas nuevas y potentes diseñadas para conservar la calidad de la imagen.

Hay que tener en cuenta que incluso cuando se intente igualar la calidad de imagen entre DLSS y los otros escaladores espaciales, habrá ventajas para DLSS porque su tecnología ofrece una calidad superior para detalles adicionales, como líneas finas y texto en pantalla, incluso en configuraciones más bajas.

DLSS también tiene entradas de mayor calidad que los escaladores espaciales; es un método temporal, utiliza información de múltiples marcos. Es como capturar una película de larga exposición. Cuanto más tiempo se capture, más detalles recopilará. Con cada cuadro, se recopilan diferentes conjuntos de muestras sobre cómo deberían verse las cosas, y se acumula esa información en varios fotogramas, utilizando vectores de movimiento para ayudar a rastrear objetos en movimiento e inteligencia artificial para comprender mejor los datos.

La IA de DLSS también continúa aprendiendo y tomando decisiones más inteligentes sobre qué información obtener de marcos anteriores. Y los combina de forma inteligente para obtener una imagen más completa y precisa del renderizado.

En este ejemplo, el modo de calidad 1440p genera 3,5 millones de píxeles después de recopilar más de 6 millones de píxeles de información. Además, se tiene la red de inteligencia artificial (que siempre sigue aprendiendo) y, junto con estas mejores entradas, genera una imagen de la más alta calidad que es comparable a la nativa, y que en algunos casos genera más detalles que la nativa.

Por el contrario, los escaladores espaciales usan un solo fotograma con una resolución más baja que la nativa (en este ejemplo, 2,2 millones de píxeles en el modo de calidad ultra) y usan un algoritmo determinista fijo para escalar usando menos información. Y las matemáticas nos dicen que no será comparable al nativo se sacrifica la calidad de la imagen por aumento del rendimiento: la compensación se refleja en los detalles degradados del objeto y la inestabilidad de la imagen.

Click para agrandar

DLSS proporciona más detalles porque su red de inteligencia artificial (llamada autocodificador convolucional) está entrenada en grandes conjuntos de datos de imágenes con resolución de 16K. Luego, usa su red de inteligencia artificial para determinar cómo generar un cuadro de salida supermuestreado de mayor resolución, píxel por píxel, a partir de un cuadro de entrada de menor resolución.

El Sharpening no puede crear detalles adicionales a partir de información de baja resolución, solo puede aumentar el contraste local de detalles que ya están presentes en la resolución más baja

Los escaladores espaciales, por otro lado, muestrean los píxeles cercanos de baja resolución en un solo punto, luego mejoran y enfocan la imagen. El Sharpening no puede crear detalles adicionales a partir de información de baja resolución, solo puede aumentar el contraste local de detalles que ya están presentes en la resolución más baja. No solo se está usando menos datos que los nativos, sino que se está pasando por un algoritmo de función fija para escalar usando menos información que la nativa. Como resultado, se sacrifica calidad de imagen por rendimiento.

Click para agrandar

Otra ventaja encontrada en DLSS es la conciencia de movimiento, esto se realiza utilizando retroalimentación temporal de fotogramas anteriores, así como vectores de movimiento de objetos en movimiento, para reducir los artefactos de movimiento típicos creados por el escalado. Los escaladores espaciales carecen de retroalimentación temporal, lo que los hace sufrir de inestabilidad de movimiento, parpadeo y artefactos de estallido.

NVIDIA Image Scaling SDK Open Source

Otra de las noticias de hoy, es que NVIDIA disponibilizará su SDK Open Source de Escalado de Imagen para el público en GitHub, de manera que todos puedan implementar estos algoritmos en sus aplicaciones/juegos, sin importar el chip gráfico de la tarjeta de video del usuario.

 

Posts relacionados

LEXUS presenta– ON/AT Design MIAMI/ 2021: Una visión para un futuro electrificado

Mario Rübke

Laboratorio de energía renovable estadounidense se potencia con 44 petaflops de potencia.

MadBoxpc.com

ASUS trae a Chile un completo portafolio de laptops OLED

Mario Rübke