Points clés
- NVIDIA et AMD améliorent l'expérience de jeu grâce à la technologie de génération d'images, qui crée des images supplémentaires pour une fluidité accrue. NVIDIA utilise des méthodes complexes et spécifiques au matériel, tandis que la technologie AFMF d'AMD, plus simple, fonctionne au niveau des pilotes sans nécessiter l'intervention des développeurs de jeux.
- On ignore si NVIDIA adoptera une technologie de génération d'images basée sur les paramètres de fonctionnement, à l'instar de l'AFMF d'AMD. Sa technologie actuelle repose largement sur les GPU les plus récents et combine plusieurs méthodes pour une meilleure qualité, ce qui laisse supposer une certaine réticence à modifier sa stratégie.
- Les deux méthodes améliorent la fréquence d'images, mais peuvent engendrer des erreurs visuelles ou des ralentissements. La technologie AFMF d'AMD est plus flexible, mais potentiellement moins précise, tandis que l'approche de NVIDIA privilégie la qualité et peut évoluer avec les nouvelles générations de GPU.
À présent, nous avons probablement tous entendu parler du nouveau mot à la mode dans le monde du jeu vidéo, inventé par NVIDIA et AMD : « génération d’images ». Cette technologie, saluée par les critiques comme par ses partisans comme l’avenir du jeu vidéo, a besoin d’être perfectionnée avant de devenir la solution « idéale » pour améliorer vos performances.
Avec la technologie AFMF d'AMD qui établit une nouvelle norme pour un outil de génération d'images simple et intuitif , NVIDIA suivra-t-elle l'exemple d'AMD en implémentant une solution universelle de génération d'images basée sur des définitions de jeu ? Voyons voir.
NVIDIA va-t-elle créer une solution de génération d'images basée sur des définitions de fonctionnement ?
Avant d'aborder le sujet principal, passons en revue le fonctionnement des techniques de mise à l'échelle et de génération d'images, ainsi que quelques termes importants à comprendre.
DLSS, acronyme de Deep Learning Super Sampling , a été introduit par NVIDIA en 2018 dans sa gamme de processeurs graphiques (GPU) RTX . En résumé, DLSS analyse et collecte les données des images précédentes afin de combler les pixels manquants de la nouvelle image. Grâce à l' intelligence artificielle , on obtient une image améliorée (mise à l'échelle) et des performances accrues.
À l'inverse, la technologie FSR ( Fidelity FX Super Resolution) d'AMD est compatible avec quasiment tous les processeurs graphiques. Elle utilise un algorithme de mise à l'échelle spatiale propriétaire et open source pour augmenter la résolution d'un jeu. Bien plus pratique que le DLSS, elle ne dépend pas du matériel.
Quelques termes importants et une introduction à la génération de cadres
Avec la série RTX 40 sont apparus le DLSS 3.0 et la génération d'images NVIDIA . Qu'entend-on exactement par « génération d'images » ? En termes simples, il s'agit d'insérer une image entre deux autres. Ce processus est appelé interpolation . C'était une technique courante pour les téléviseurs afin d'augmenter la fréquence d'images du contenu affiché et de l'adapter à la fréquence de rafraîchissement du téléviseur.
La mise à l'échelle améliore simplement la qualité d'image et augmente les performances. En revanche, la génération d'images (FG) crée une image entièrement nouvelle entre deux images existantes, les affiche et devine l'image suivante, tout en maintenant un temps de réponse acceptable.
Cette technique avancée requiert la compréhension de deux concepts fondamentaux dans ce domaine : l’analyse du flux optique et les vecteurs de mouvement . Examinons-les un par un :
1) Analyse du flux optique
Cette technique utilise une série d'images pour estimer l'apparence de la version suivante. Cette estimation repose sur l'analyse de la vitesse, de la couleur et de la luminosité des objets présents dans l'image. Au lieu d'obtenir un résultat précis et net, on obtient seulement une estimation approximative.
Imaginez une balle roulant sur le sol vers la droite. La balle atteint sa destination en cinq étapes distinctes. En supposant que son mouvement soit quasi linéaire et rectiligne, vous pouvez prédire sa destination finale. Si vous avez étudié la géométrie analytique , vous avez probablement déjà rencontré la formule à deux points :
y - y1 = (x-x1)(y2-y1) / (x2-x1)À partir de deux points seulement, on peut déterminer l'équation de la droite donnée. La pente étant constante, prédire la position suivante de l'image/du point est simple. Il convient de noter que la technique réelle est bien plus complexe.
Plus important encore, l'analyse du flux optique ne nécessite pas d'accès aux données du moteur de jeu. Elle peut être appliquée au niveau du pilote , où celui-ci interpole (insère) les images en prédisant les mouvements à l'écran. Autrement dit, l'analyse du flux optique n'interagit pas avec le moteur de jeu.
L'inconvénient est que le pilote ne fait pas la distinction entre l'interface utilisateur et l' environnement 3D réel , ce qui peut entraîner des distorsions inattendues. De plus, le rendu ne sera jamais optimisé car il utilise des données brutes.
2) Vecteurs de mouvement dans le moteur de jeu
Les vecteurs de mouvement sont des vecteurs directionnels qui indiquent le déplacement des objets d'une image à l'autre. Ils constituent un élément fondamental des moteurs de jeu et représentent la transformation et le mouvement des objets. Cette méthode est bien plus performante pour représenter le mouvement que de simplement « deviner » la position d'un objet.
Pour information, les vecteurs de mouvement sont essentiels à la génération d'images. Cependant, ces données nécessitent une compatibilité entre le pilote et le moteur de jeu. Cette compatibilité doit être assurée par les développeurs du jeu.
Par conséquent, bien que supérieures à l'analyse du flux optique, les vecteurs de mouvement sont très limités en termes de portée et d'évolutivité, ce qui signifie que cette fonctionnalité ne sera pas disponible dans tous les jeux. Si vous jouez à un titre plus ancien des années 2010 , il est fort improbable que les solutions de génération d'images (FG) prises en charge par les vecteurs de mouvement (telles que DLSS FG et FSR3 FG) soient disponibles.
Comparaison entre la génération de trames DLSS et la génération de trames FSR
Voyons maintenant comment se comparent les technologies de génération de châssis actuelles des équipes Verte et Rouge.
↪ NVIDIA :
La génération d'images par NVIDIA combine l'analyse des vecteurs de mouvement et du flux optique. L'accélérateur de flux optique des GPU RTX série 40 analyse deux images. Il identifie ensuite les informations non incluses dans les vecteurs de mouvement du jeu, telles que les particules, les reflets, les ombres, etc. Dans l'exemple ci-dessous, l'analyse du flux optique permet un suivi précis des ombres.
En revanche, la composante vectorielle de mouvement suit l'environnement tridimensionnel et la géométrie de la scène. Dans l'exemple du vélo, les vecteurs de mouvement permettent de déterminer mathématiquement la position future précise du cycliste ou de la route. Cependant, ils ne permettent pas de déterminer l'ombre, qui est l'objet de l'analyse du flux optique. Par conséquent, les deux composantes doivent être combinées pour produire une image précise.
- Nécessite Assistance aux développeurs Jeux
- Utilisé mélanger من Analyse du flux optique وVecteurs de mouvement
- limité Matériel Sur les unités de traitement graphique RTX 40
- impossible L'implémenter sur niveau du programme de pilote
↪ AMD :
La technologie de génération d'images FSR 3 est très similaire à la technologie DLSS de NVIDIA. Hormis quelques différences de nom, elle intègre également une combinaison d' analyse du flux visuel et de vecteurs de mouvement . De toute évidence, ces deux technologies nécessitent la prise en charge par les développeurs de jeux.
- Nécessite Assistance aux développeurs Jeux
- Utilisé mélanger من Analyse du flux optique وVecteurs de mouvement
- Il peut être activé sur les unités de traitement graphique de la série RX 5000/6000 وRTX 20/30/40
- impossible L'implémenter sur niveau du programme de pilote
Anomalie : AMD Fluid Motion Frames (AFMF)
L'outil le plus proche d'un générateur d'images défini par le joueur dont nous disposons est AMD Fluid Motion Frames ( AFMF). AFMF n'interagit en aucune façon avec le jeu. Il repose uniquement sur l'analyse du flux visuel , c'est-à-dire la prédiction de l'image suivante.
Cela lui permet de fonctionner avec la quasi-totalité des jeux DirectX 11/12 , car il ne nécessite aucun logiciel supplémentaire. L'AFMF n'augmente pas directement la fréquence d'images, mais il améliore la fluidité du jeu grâce à l'affichage d'un nombre d'images par seconde plus élevé.
Alors, quel est le problème ? Eh bien, l'AFMF est loin d'égaler le DLSS FG ou le FSR FG. De plus, les bugs d'interface sont un inconvénient que les utilisateurs devront gérer. Cependant, comme il fonctionne au niveau matériel, c'est une très bonne option si vous êtes prêt à faire face aux éventuelles erreurs.
- لا يتطلب Soutenir les développeurs de jeux
- Utilisé Analyse du flux optique uniquement
- Il ne prend en charge que les unités de traitement graphique. ARN2 Ou plus récent
- Travaux purement على Niveau de définition de l'opérateur
NVIDIA va-t-elle répondre à l'AFMF ?
La réponse évidente est « nous ne savons pas », car NVIDIA n'a encore fait aucune déclaration à ce sujet. Aaron Steinman, d'AMD, confirme que leur initiative incitera NVIDIA à développer prochainement une technologie similaire à AFMF.
« Je suis curieux de voir si NVIDIA estime désormais devoir faire de même que nous en proposant des solutions définies par pilote. »
Aaron Steinman , pour PC Gamer
Étonnamment, aucune version NVIDIA de l'AFMF n'a été proposée, surtout après l'affirmation selon laquelle la série RTX 40 disposait d'un accélérateur de flux optique supérieur à celui de l'Ampere (RTX 30). C'était d'ailleurs la principale raison pour laquelle la technologie NVIDIA FG (combinant flux optique et vecteurs de mouvement) n'était disponible que sur l'Ada Lovelace.
En revanche, NVIDIA pourrait devoir entraîner un autre modèle à partir de zéro pour ce projet, ce qui engendrerait des coûts supplémentaires importants.
↪ Est-ce que ça vaut vraiment le coup ?
La génération d'images par analyse de flux optique et vecteurs de mouvement présente des inconvénients. La latence d'entrée induite par ces techniques les rend particulièrement peu attrayantes pour les joueurs. Par ailleurs, l'AFMF (flux de mouvement adaptatif) géré par le pilote n'est guère plus performant : l'interpolation consomme des images par seconde (IPS), et le résultat est instable et sujet à des bugs et erreurs d'affichage.
La question pertinente est plutôt : « NVIDIA ne devrait-elle pas commencer par améliorer la génération d'images DLSS ? » L'IA ayant tendance à s'améliorer avec le temps, le problème de latence devrait être largement résolu. À moins que NVIDIA ne soit fortement contrainte par ses modèles de données, la création d'une solution de génération d'images au niveau du pilote ne devrait pas poser de problème, mais est-ce vraiment utile ?
↪ Cela ne servira à rien ?
Dans quel cas utiliseriez-vous la version AFMF de NVIDIA ? NVIDIA limitera probablement cette fonctionnalité aux GPU de la série RTX 40 et supérieures, déjà suffisamment puissants pour faire tourner les jeux plus anciens avec d'excellents taux d'images. Les jeux récents prennent souvent en charge le DLSS 3 FG/FSR 3 FG.
Les GPU mobiles constituent un cas particulier, mais une approche au niveau du pilote serait très utile pour les architectures plus anciennes comme Pascal , Maxwell , Kepler et Fermi . Malheureusement, pour des raisons techniques, il serait quasiment impossible d'étendre cette fonctionnalité à ces unités. Elles sont dépourvues de cœurs Tensor et CUDA ne peut pas en tirer pleinement parti. Même AFMF ne fonctionne qu'avec les architectures RDNA2 ou ultérieures.
Espoirs pour la RTX 50 « Blackwell »
Selon certaines rumeurs, la série RTX 50 devrait être lancée au quatrième trimestre 2024. Il faut s'attendre à une avalanche d'annonces, qui pourraient inclure une solution de génération d'images universelle. Malgré la dépendance matérielle probable aux séries RTX 40/50, NVIDIA est réputée pour son avance technologique. Cependant, il ne s'agit que de spéculations, et aucune rumeur ne confirme de tels projets de la part de NVIDIA.
Conclusion
L'intelligence artificielle (IA) a connu une croissance sans précédent, mais son inférence et son accélération nécessitent un matériel performant. Si les cœurs de votre GPU ne sont pas assez rapides, l'interpolation d'images en temps réel est tout simplement impossible. Vous pourriez déléguer ce traitement à un serveur, mais cela impliquerait un abonnement et une latence très élevée. Il est donc essentiel que les fabricants de GPU trouvent un juste équilibre. Qu'en pensez-vous ? N'hésitez pas à nous faire part de votre avis dans les commentaires.
Foire Aux Questions
Qu'est-ce que la génération de trames basée sur le pilote en termes simples ?
En termes simples, la génération d'images au niveau de la définition est une solution universelle pour générer des images à l'intérieur d'autres images sans avoir besoin du soutien des développeurs de jeux.
Si cette solution est un jour commercialisée, NVIDIA limitera-t-elle sa solution de génération d'images au niveau du pilote (FG) aux GPU de la série RTX 40 ou supérieure ?
Très probablement, oui. Étant donné que DLSS 3 FG nécessite des GPU de la série RTX 40 en raison de son nouvel « accélérateur de flux optique », il faut s'attendre à ce que les solutions officielles basées sur les pilotes aient des exigences similaires.
La gamme RTX 50 va-t-elle révolutionner la technologie de génération d'images telle que nous la connaissons ?
Aucune rumeur confirmée ne circule à ce sujet. Seul l'avenir nous le dira, d'autant plus que la plupart d'entre nous ignorions tout de la technologie de génération d'images avant son annonce par NVIDIA il y a deux ans.
Les commentaires sont fermés.