NVIDIA continue d’améliorer les graphismes des jeux vidéo avec DLSS 2.3 et supérieur

Nvidia il l’a montré à plusieurs reprises : un travail continu vise à Améliorer la qualité des graphismes des jeux vidéo PC. Les joueurs mettent régulièrement à jour leur matériel pour jouer à des résolutions plus élevées, des paramètres de jeu maximaux et la plus haute fidélité graphique possible. De plus, de nombreuses mises à jour matérielles approchent de la sortie des jeux les plus attendus.

Ces derniers temps en particulier, NVIDIA a poussé en avant DLSS, une technique qui modifie la compréhension du fonctionnement d’un jeu vidéo. En rendant les images nativement à une résolution inférieure, puis en procédant à une Mise à l’échelle contrôlée par l’IA et basé sur noyau tenseur de cartes graphiques avec Architecture RTX, DLSS augmente considérablement les performances sans presque aucune dégradation qualitative par rapport aux upscalers spatiaux traditionnels.

NVIDIA fait la distinction entre DLSS et upscalers traditionnels, parmi lesquels il insère AMD FSR (ici notre comparatif entre les deux techniques), des filtres bilinéaires, bicubiques et Lanczos et son propre scaling d’image, une technique qui fonctionne en post-traitement, comme nous le verrons mieux plus tard.

DLSS fait son travail avec l’intelligence artificielle, interprétant les vecteurs de mouvement des polygones qui composent les images et analysant le comportement des images précédentes, tandis que les upscalers traditionnels n’utilisent que l’image actuelle et un algorithme qui n’est pas pris en charge par l’intelligence artificielle. Pour cela, NVIDIA définit DLSS comme une « méthode temporelle » qui acquiert de nombreuses informations à partir de plusieurs images sur un intervalle de temps d’une durée donnée.

Au fur et à mesure que l’algorithme collecte des informations, des vecteurs de mouvement sont utilisés pour suivre les objets, tandis que l’intelligence artificielle aide à mieux comprendre les données. Le système d’apprentissage automatique utilisé continue d’apprendre comment les objets se déplacent dans la scène et de prendre des décisions sur les informations qu’il peut obtenir des images précédentes. Cette composante très importante principalement pour assurer la stabilité de l’image, car les techniques de mise à l’échelle traditionnelles produisent généralement des artefacts et des différences subtiles d’une image à l’autre.

Pour les techniques de mise à l’échelle, une meilleure entrée équivaut à une meilleure qualité d’image. DLSS en mode Qualité reconstruit l’image finale à l’aide d’une base de données de plus de 6 millions de pixels lorsqu’il s’agit d’images de résolution 1440p, soit 3,5 millions de pixels. En effet, il utilise un algorithme d’intelligence artificielle qui mélange les informations des images actuelles, précédentes et suivantes. D’autre part, une image utilisant un upscaler spatial à algorithme fixe reconstruit l’image avec environ 2,2 millions de pixels.

Avec l’arrivée de DLSS 2.3, des jeux comme Cyberpunk 2077 e malheur éternel offre une meilleure qualité d’image fantôme stabilité temporelle moindre et plus grande de l’image elle-même, car les vecteurs de mouvement sont mieux utilisés pour réduire les images fantômes et améliorer la qualité de l’image.

Cela augmente la netteté des objets en mouvement, par exemple en éliminant le flou dans les unités sous-jacentes aux effets de particules et en les rendant plus stables.

Par rapport au ghosting, il fait référence à la présence d’images doubles ou de franges qui apparaissent lorsque les objets sont en mouvement.

Il y a tellement de bogues qui peuvent apparaître lorsque les techniques de mise à l’échelle ne fonctionnent pas bien. Par exemple, le crénelage ou le flou pouvant résulter de l’utilisation de textures de résolution inférieure. La mise à l’échelle peut également réduire le niveau de détail de certains objets de la scène, par ex. Les exemples incluent la pluie, la neige, le sable et la poussière en mouvement, les effets de particules ou le texte affiché sur des panneaux éloignés du point de vue.

L’aliasing est bien sûr le plus grand défi. Lors de comparaisons d’images pour mettre en évidence les avantages du DLSS, nous nous éloignons toujours du point d’observation à la recherche d’objets polygonaux tels que des garde-corps, des antennes, des escaliers, des notes, des fils téléphoniques, etc. Des effets déchiquetés importants peuvent se produire avec des objets aussi petits ou déjà de travers et même disparaître de l’écran de jeu avec des objets particulièrement petits, entraînant une perte importante de détails.

La dégradation de l’image peut également apparaître dans l’interface utilisateur, les reflets, les ombres, la fumée et le feu, ou elle peut entraîner l’ajout de grain et de bruit dans les images en mouvement.

De plus, les techniques d’upscaling vont souvent trop loin lors de la netteté des objets, amplifiant indûment la différence de densité dans les bords. Ceci est fait pour augmenter la perception de la netteté dans l’image finale, mais cet aspect est perçu différemment par différentes personnes et peut sembler dérangeant pour certaines d’entre elles. Défini ce phénomène dans la photographie acuité. En d’autres termes, nos yeux, qui sont très sensibles au contraste local, interprètent la netteté comme plus de détails ou de résolution précisément parce qu’ils sont attirés par la netteté.

Cependant, la netteté ne semble pas se traduire par des avantages d’image. Premièrement, l’algorithme de netteté ne peut pas inventer des détails qui n’existent pas, il ne fait que souligner ce qui est déjà là. Cependant, cela nécessite une résolution de rendu minimale. Ensuite, le processus d’accentuation peut causer des dommages, créer des artefacts et dégrader l’apparence de l’image lorsque vous essayez de définir les bords des objets. Par exemple, qu’est-ce que le jargon définit « Bague », c’est-à-dire l’apparition d’un halo de couleur plus claire autour des bords où la netteté est améliorée. Ce sont autant de problèmes que les algorithmes de mise à l’échelle doivent prendre en compte et que l’intelligence artificielle peut aider à résoudre plus efficacement.

Pas la seule innovation de NVIDIA dans le domaine de la qualité d’image. Avec le la sortie d’aujourd’hui des pilotes Game Ready Nous avons une amélioration sur la technologie déjà existante (à partir de 2019) Mise à l’échelle des images NVIDIA Le but est d’augmenter les performances de chaque jeu et en aucun cas sur tous les GPU GeForce d’un nouvelle échelle spatiale C’est un algorithme de netteté. NVIDIA Image Scaling est activé sur les deux Panneau de configuration NVIDIA qui donne Expérience GeForce. Il contient un paramètre de netteté spécifique pour chaque jeu et peut ensuite être configuré en temps réel pendant l’expérience de jeu via la superposition NVIDIA en jeu (si activé, NIS est affiché en couleur verte dans le coin supérieur gauche de l’écran de jeu).

La mise à l’échelle de l’image est une technologie NVIDIA plus ancienne que DLSS qui ne nécessite pas le support de l’intelligence artificielle. La mise à l’échelle de l’image est appliquée au niveau du noyau lors de la phase de post-traitement. Cela signifie qu’il ne peut pas être trouvé avec une simple capture d’écran ou un enregistrement vidéo. Vous aurez également besoin d’une carte de capture pour la faire ressortir autant que possible Elgato 4K60 Pro MK.2. Pour permettre aux fans de capturer ce type de séquences, NVIDIA a mis à jour son outil théâtre d’ombres pour pouvoir prendre des captures d’écran avec GeForce Experience via la carte de capture tandis que le support vidéo sera introduit dans Shadowplay dans un avenir proche.

De plus, NVIDIA annonce ce Mise à l’échelle de l’image disponible en tant que SDK (Kit de développement logiciel) permettant aux développeurs de se connecter à leurs moteurs graphiques. Cela leur permet d’utiliser des technologies de mise à l’échelle spatiale et des algorithmes de netteté pour fournir aux jeux des options de mise à l’échelle plus robustes et aider DLSS à améliorer la qualité et les performances. Pour les développeurs, cette version rend la mise à l’échelle des images aussi facile à mettre en œuvre que DLSS.

Cependant, pour les utilisateurs finaux, NVIDIA publie également un nouvel outil pour analyser et comparer la qualité d’image pour faire des comparaisons comme on le voit généralement sur le site Web de NVIDIA lui-même. parlons de INVENTION, téléchargeable gratuitement sur nvidia.com. L’outil vous permet de télécharger une image ou une vidéo pour chacun des côtés de la comparaison afin que l’utilisateur puisse utiliser le curseur pour mettre en évidence les points de l’image qui l’intéressent et bien étudier les différences entre les captures d’écran. très utile en matière de DLSS ou de qualité d’image en général, dans les cas où l’œil nu ne peut pas discerner des différences qui sont ensuite perceptibles lors de l’expérience de jeu, par exemple en assurant une plus grande stabilité ou fidélité.