Deep Learning Super چیست؟

Deep Learning Super یا DLSS چیست؟

در دنیای بازی های ویدیویی و گرافیک کامپیوتری، دستیابی به تصاویری با کیفیت بالا و نرخ فریم روان همواره یکی از اهداف اصلی توسعه دهندگان و علاقه مندان بوده است. با افزایش روزافزون پیچیدگی بازی ها و رزولوشن های بالاتر نمایشگرها (مانند 4K و 8K)، فشار بر روی کارت های گرافیک (GPU) به شدت افزایش یافته است. اینجاست که فناوری هایی مانند DLSS وارد میدان می شوند تا راه حلی برای این چالش ارائه دهند.

DLSS چیست؟

DLSS مخفف Deep Learning Super Sampling است. این فناوری از الگوریتم های یادگیری عمیق (Deep Learning) برای افزایش رزولوشن تصاویر رندر شده توسط کارت گرافیک استفاده می کند. به زبان ساده تر، DLSS به کارت گرافیک اجازه می دهد تا یک بازی را در رزولوشن پایین تر (که پردازش آن به منابع کمتری نیاز دارد) اجرا کند و سپس با استفاده از هوش مصنوعی، تصویر را به رزولوشن اصلی نمایشگر شما ارتقا دهد، به طوری که کیفیت تصویر نهایی بسیار نزدیک به حالتی باشد که بازی در رزولوشن اصلی رندر شده است. هدف اصلی DLSS، افزایش نرخ فریم (FPS) بدون افت محسوس در کیفیت بصری است.

نحوه عملکرد DLSS

عملکرد DLSS بر پایه دو جزء اصلی استوار است:

1. شبکه های عصبی آموزش دیده (Trained Neural Networks): NVIDIA شبکه های عصبی قدرتمندی را با استفاده از حجم عظیمی از داده های تصویری فوق العاده با کیفیت (با رزولوشن بسیار بالا) آموزش داده است. این شبکه ها قادرند الگوها، جزئیات و لبه های تصاویر را تشخیص داده و بازسازی کنند.
2. هسته Tensor (Tensor Cores): کارت های گرافیک مدرن NVIDIA (سری RTX) دارای هسته های اختصاصی به نام Tensor Cores هستند که برای انجام محاسبات ماتریسی مورد نیاز شبکه های عصبی بهینه سازی شده اند. این هسته ها سرعت پردازش DLSS را به طور چشمگیری افزایش می دهند.

فرایند DLSS به طور خلاصه به شرح زیر است:

• رندر در رزولوشن پایین: بازی در رزولوشن پایین تر از رزولوشن اصلی نمایشگر شما اجرا می شود. این کار باعث کاهش بار پردازشی بر روی GPU می گردد.
• تحلیل فریم فعلی و فریم های قبلی: DLSS همزمان چندین فریم از بازی را تحلیل می کند. این شامل فریم فعلی که در رزولوشن پایین رندر شده، و همچنین فریم های قبلی که قبلاً پردازش شده اند، می باشد.
• استفاده از بردار حرکت (Motion Vectors): بازی اطلاعاتی درباره نحوه حرکت اشیاء در صحنه (بردار حرکت) را به DLSS ارائه می دهد. این اطلاعات حیاتی هستند تا DLSS بتواند تشخیص دهد که هر پیکسل در فریم جدید باید در کجا قرار گیرد و چگونه باید تغییر کند.
• بازسازی و ارتقاء رزولوشن توسط شبکه عصبی: شبکه عصبی آموزش دیده، با استفاده از اطلاعات فریم فعلی، فریم های قبلی و بردارهای حرکت، تصویر را بازسازی کرده و به رزولوشن اصلی نمایشگر ارتقا می دهد. این فرآیند بسیار هوشمندانه تر از روش های سنتی Upscaling است، زیرا جزئیات از دست رفته را با استفاده از داده های موجود حدس زده و بازسازی می کند.
• تثبیت تصویر: DLSS تلاش می کند تا از ایجاد لرزش یا اعوجاج در تصاویر متحرک جلوگیری کند و تصویری پایدار و واضح ارائه دهد.

نسخه های DLSS و پیشرفت های آن

DLSS از زمان معرفی تاکنون دستخوش تحولات زیادی شده است:

• DLSS 1.0: نسخه اولیه که نتایج متفاوتی داشت و گاهی اوقات منجر به تاری تصاویر می شد.
• DLSS 2.0: یک جهش بزرگ با معرفی معماری بازسازی شده که از داده های درون-بازی (مانند بردارهای حرکت) به طور بهینه تر استفاده می کرد. این نسخه کیفیت تصویر بسیار بهتری ارائه داد و مستقل از موتور بازی شد (یعنی نیاز به تغییرات کمتری در کد بازی داشت).
• DLSS 3.0: این نسخه انقلابی، علاوه بر ارتقاء رزولوشن، قابلیت “تولید فریم” (Frame Generation) را نیز معرفی کرد. DLSS 3 با استفاده از هوش مصنوعی، فریم های کاملاً جدیدی را بین فریم های رندر شده واقعی تولید می کند. این امر می تواند نرخ فریم را به طور چشمگیری افزایش دهد، به خصوص در بازی هایی که با محدودیت CPU مواجه هستند.
• DLSS 3.5: این نسخه آخرین پیشرفت DLSS است که با معرفی “Ray Reconstruction” (بازسازی پرتوی نور)، کیفیت Ray Tracing را بهبود می بخشد. Ray Reconstruction نویز ناشی از تکنیک های Ray Tracing را کاهش داده و تصاویر واضح تر و واقعی تری تولید می کند.

مزایای DLSS

• افزایش چشمگیر نرخ فریم: مهم ترین مزیت DLSS، توانایی آن در افزایش قابل توجه فریم بر ثانیه است که منجر به تجربه بازی روان تر و لذت بخش تر می شود.
• کیفیت تصویر بالا: در نسخه های جدیدتر، DLSS قادر است تصاویری با کیفیت بصری مشابه یا حتی برتر از رندر شدن در رزولوشن اصلی تولید کند، با حفظ جزئیات و وضوح.
• کاهش بار پردازشی بر روی GPU: با رندر در رزولوشن پایین تر، فشار کمتری به کارت گرافیک وارد می شود و امکان اجرای بازی ها با تنظیمات گرافیکی بالاتر یا در رزولوشن های بالاتر فراهم می گردد.
• بهبود تجربه Ray Tracing: نسخه های جدیدتر DLSS، به ویژه DLSS 3.5، کیفیت و عملکرد Ray Tracing را نیز بهبود می بخشند.
• مستقل از موتور بازی (در DLSS 2.0 به بعد): این امر باعث شده تا پیاده سازی DLSS در بازی های بیشتری آسان شود.

معایب و چالش های DLSS

• نیاز به سخت افزار خاص: DLSS فقط بر روی کارت های گرافیک NVIDIA سری RTX (با هسته های Tensor) قابل اجرا است. کاربران کارت های گرافیک AMD یا سری های قدیمی تر NVIDIA از این فناوری بهره مند نخواهند شد.
• وابستگی به پشتیبانی بازی: DLSS تنها در بازی هایی که به طور اختصاصی از آن پشتیبانی می کنند، قابل استفاده است. هرچند تعداد بازی های پشتیبانی کننده رو به افزایش است.
• احتمال بروز Artifacts: در برخی موارد، به خصوص در نسخه های اولیه یا در صحنه های با حرکت بسیار سریع، ممکن است Artifacts (نقص های تصویری مانند شبح وار شدن یا اعوجاج) مشاهده شود، هرچند در نسخه های جدیدتر این مشکل به حداقل رسیده است.
• مصرف منابع در DLSS 3 (Frame Generation): تولید فریم در DLSS 3 خود نیازمند توان پردازشی است و می تواند بر روی عملکرد کلی سیستم تأثیر بگذارد، به خصوص اگر CPU ضعیف باشد.

یک نمونه کارت گرافیک سری RTX را ببینید :

NVIDIA GeForce RTX 3080 Ti 12GB

مقایسه DLSS با رقبا (مانند FSR)

رقیب اصلی DLSS، فناوری FidelityFX Super Resolution (FSR) از شرکت AMD است. FSR یک راهکار مبتنی بر الگوریتم های فضایی (Spatial Upscaling) است و نیازی به سخت افزار اختصاصی یا یادگیری عمیق ندارد، بنابراین بر روی طیف وسیع تری از کارت های گرافیک (از جمله AMD و Intel) قابل اجرا است.

• کیفیت تصویر: به طور کلی، DLSS (به خصوص نسخه های جدیدتر) در حفظ جزئیات و ارائه تصویری واضح تر و طبیعی تر، نسبت به FSR برتری دارد، زیرا از یادگیری عمیق و داده های فریم های قبلی بهره می برد.
• سازگاری سخت افزاری: FSR سازگاری سخت افزاری بسیار گسترده تری دارد.
• عملکرد: هر دو فناوری قادر به افزایش نرخ فریم هستند، اما DLSS 3 با قابلیت Frame Generation می تواند جهش های بزرگتری در فریم ریت ایجاد کند.

آینده DLSS با توجه به پیشرفت های مداوم در هوش مصنوعی و سخت افزار، انتظار می رود DLSS در آینده نقش پررنگ تری در صنعت بازی و حتی سایر حوزه های گرافیک کامپیوتری ایفا کند. بهبود مستمر در کیفیت تصویر، کاهش Artifacts، و پشتیبانی از سخت افزارهای بیشتر (شاید در آینده از طریق نرم افزار) از جمله چشم اندازهای پیش رو هستند. نتیجه گیری Deep Learning Super Sampling (DLSS) یک فناوری تحول آفرین در دنیای گرافیک کامپیوتری و بازی های ویدیویی است. این فناوری با هوشمندی از قدرت یادگیری عمیق و سخت افزار اختصاصی برای ارتقاء کیفیت بصری و افزایش نرخ فریم بهره می برد. DLSS نه تنها تجربه بازی را برای دارندگان سخت افزار NVIDIA RTX بهبود بخشیده، بلکه استانداردهای جدیدی را برای کیفیت گرافیکی و عملکرد در بازی های مدرن تعیین کرده است. این فناوری نشان دهنده پتانسیل عظیم هوش مصنوعی در ترکیب با گرافیک کامپیوتری است.