Hem Vetenskap och teknik “Maskininlärning inte nödvändigt för bra uppskalning”

“Maskininlärning inte nödvändigt för bra uppskalning”

förbi admin
0 kommentar

I slutet av mars lanserade AMD den senaste versionen av bolagets uppskalningsteknik FidelityFX Super Resolution (FSR), som gick från version 1.0 till 2.0. AMD tog därtill steget över från spatial till temporal uppskalning, där information från kringliggande bildrutor används för att återskapa bilden i en högre upplösning.

Något som däremot inte förändrades mellan versionerna är AMD:s ambitioner gällande öppen källkod. Första versionen av FSR finns tillgänglig under MIT-licens, något som nu blir verklighet även för FSR 2.0. Sedan onsdag eftermiddag finns den fulla källkoden inklusive API och dokumentation tillgängligt genom GPU Open.

Detta innebär att det är fritt fram för praktiskt taget vem som helst att integrera FSR 2.0 i sitt spel, en process som kan ta allt från tre dagar till en månad, beroende på spelets förutsättningar. FSR skiljer sig därtill från exempelvis Nvidias DLSS och Intel XESS på en stor punkt, vilket är nyttjandet av maskininlärning. Intels variant fungerar med flera olika plattformar, medan Nvidias kräver bolagets Tensor-kärnor för att köras. AMD väljer dock helt bort både maskininlärning och krav på hårdvara.

Machine Learning (ML) is not a prerequisite to achieving good quality image upscaling. Often, ML-based real-time temporal upscalers use the model learned solely to decide how to combine previous history samples to generate the upscaled image: there is typically no actual generation of new features from recognizing shapes or objects in the scene. AMD engineers leveraged their world-class expertise to research, develop and optimize a set of advanced hand-coded algorithms that map such relationships from the source and its historical data to upscaled resolution.

I beskrivningen på Open GPU trycker AMD på att maskininlärning inte är nödvändigt för att uppnå bra bildkvalitet vid uppskalning. De menar att den typ av maskininlärning som temporala uppskalare bygger på inte är tillräckligt avancerad för att ge några större fördelar som igenkänning av objekt eller former, utan oftast endast används för att besluta hur tidigare bildrutor ska kombineras för att generera den uppskalade bilden.

Istället menar bolaget att de särskilt anpassade algoritmer som utvecklats för FSR ger likvärdiga eller till och med större fördelar, till följd av att de kan optimeras i större grad och till fler olika scenarion. Det följs av en ännu en känga till kanske främst konkurrenten Nvidia, när AMD avslutar med att lyfta att avsaknaden av krav på dedikerad hårdvara för maskininlärning innebär fördelar för fler plattformar och inte minst fler gamers.

Läs mer om uppskalningstekniker:

Du kanske också gillar