传Switch Pro DLSS是硬件支持 掌机模式也能用DLSS

害羞的小钱包

下一个芯片是不是用老黄的都不好说，三星和amd合作的那款听说gpu性能很强，用在ns上有没有搞头

JR_sigma

我不明白的是，都通过dlss上4k了，干嘛还抱着720p屏幕不放，1080p的ips屏也不会比720p的amoled屏贵多少吧

nissan91

赶紧出吧，这样我就不用跟我儿子抢游戏机玩了

该用户已被禁言

DLSS 2.0参用TAA方案，正是n惯常的 自打脸 尬舞秀啊。。哈哈哈。。


n不停黑A，A力挺贡献的各种开源技术，n一贯反对，结果背身 又马上悄悄自己拿来用。。多次了。。呵呵。。



NVIDIA：DLSS抗锯齿将不断优化、AMD坚守的TAA过时了

至于画面模糊，Edelsten首先认为DLSS作为一项新技术，仍有极大的完善空间。同时他指出，目前的训练多基于4K分辨率，同时DLSS的机制决定了，输入的素材越多，其呈现的效果就越好，4K下可以比1080P每帧多生成200多万像素DLSS结果。

　　另外，NVIDIA强调，其超算正24小时不歇地进行DLSS训练，一旦有规模成果就会通过驱动更新为显卡赋能。

　　本周，AMD方面发言称，DLSS是封闭技术，他们还是坚守SMAA和TAA。有趣的是，Edelsten称TAA（时间抗锯齿）是老套的游戏技术，在处理鬼影、运动、闪烁方面没有DLSS有优势。

该用户已被禁言

A的Super Resolution才是主机最爱的，毕竟开源。。也是继承TAA的时域累积。

而且效果非常好，免费。。微软等各合作伙伴也来共建，效果很好。。普适性太广了（全平台，甚至 跨 手机、平板），而且整个次世代过程，都会不断优化进化。。各大小开放商 没理由不偏好 选A的开源方案。


闭门的劣势，n自己最清楚。。呵呵。

els896

powerh3 发表于 2021-03-12 15:27
DLSS 2.0参用TAA方案，正是n惯常的 自打脸 尬舞秀啊。。哈哈哈。。


n不停黑A，A力挺贡献的各种开源技术，n一贯反对，结果背身 又马上悄悄自己拿来用。。多次了。。呵呵。。



NVIDIA：DLSS抗锯齿将不断优化、AMD坚守的TAA过时了

至于画面模糊，Edelsten首先认为DLSS作为一项新技术，仍有极大的完善空间。同时他指出，目前的训练多基于4K分辨率，同时DLSS的机制决定了，输入的素材越多，其呈现的效果就越好，4K下可以比1080P每帧多生成200多万像素DLSS结果。

　　另外，NVIDIA强调，其超算正24小时不歇地进行DLSS训练，一旦有规模成果就会通过驱动更新为显卡赋能。

　　本周，AMD方面发言称，DLSS是封闭技术，他们还是坚守SMAA和TAA。有趣的是，Edelsten称TAA（时间抗锯齿）是老套的游戏技术，在处理鬼影、运动、闪烁方面没有DLSS有优势。

在知乎上看到dlss开发者工程师的回答，看起来并非是借鉴taa，而是替代的关系，不知你怎么看呢？

这是链接，直接页面搜索taa可以看到作者的回答
https://zhuanlan.zhihu.com/p/116211994

后弈之子gp5

本来就不会有人认为是通过底座来实现DLSS的吧？

该用户已被禁言

els896 发表于 2021-3-12 16:26
在知乎上看到dlss开发者工程师的回答，看起来并非是借鉴taa，而是替代的关系，不知你怎么看呢？

这是链 ...

自打脸 尬舞 怎么敢当场秀出来？换个能听的说法而已。。时域累积复用，难道不是TAA的思路？

G-Sync兼容，n还要求FreeSync字眼不能提及。。到底谁取代谁了？。。呵呵。。


装、蒙 是n的本性，这大家都很清楚。

该用户已被禁言

UE5，用TAAU，TAA升级版。。呵呵。。



TAAU取代TAA了。。哈哈。。

els896

powerh3 发表于 2021-03-12 17:08




自打脸 尬舞 怎么敢当场秀出来？换个能听的说法而已。。时域累积复用，难道不是TAA的思路？

G-Sync兼容，n还要求FreeSync字眼不能提及。。到底谁取代谁了？。。呵呵。。


装、蒙 是n的本性，这大家都很清楚。

看了下作者的其他文章，这篇详细解释了常规taa和dlss的区别：
https://zhuanlan.zhihu.com/p/123642175

先归纳一下，基础原理是时序前后的多帧合成，但合成后的纠错算法，dlss相较于传统taa，整体更高效也更精准，对于刚才引文中的鬼影运动和闪烁，也给了例子来做论证，因此，dlss可能是在TAA基础上更好的改进方案？


下面是相关的摘录：

利用把渲染的样本分布在多个帧上，并且用这些多帧复合的样本重建出最终渲染的图片，这在实时渲染领域太司空见惯了。几乎所有引擎都在用的Temporal Antialiasing(TAA)，或者游戏主机上非常流行的Checkerboard Rendering都是这么一个思路。
这一类算法利用了渲染图片的时域连贯性（Temporal coherency），既渲染结果的帧与帧之间大体是连续的，发生高频变化的概率不高。也就是说，我们可以假设需要渲染的场景在上一帧和当前帧几乎一样。如果这个假设成立的话，我们大可以之间复用过去帧上对场景采样的样本来重建当前帧：

然而天下哪有这等好事，实时渲染或者游戏的图片序列中几乎每一帧都有或多或少的变化，从角色动画，到动态光影，到粒子特效。直接复用过去帧的样本来重建当前帧的图片会使重建的结果中产生很大的错误。这也是为什么，所有实时渲染中的时域超采样算法，例如TAA，都有非常重要的一步去“纠正”过去帧中样本的错误。

这一类算法需要首先检测过去帧和当前帧因为场景的变化导致的样本错误，然后在不影响画质太多的情况下，“合理”的纠正那些错误的样本。乍一看这简直是个计算机视觉问题，然而在实时渲染中这一步需要非常高效的完成。所以过去十几年，游戏开发者绞尽脑汁的发明了各种“启发式”的方法（Heuristics）。（我研究生时候一个老师的名言：什么是启发式，启发式就是不知道到底怎么解决就只能瞎猜）
目前解决这个问题效果最好，也最常用的Heuristic，叫做Neighborhood Clamping。

但是，用这个方法也经常会“过度纠正”，例如右图中高亮的两个样本，他们原本的确是正确的样本，但是因为这个算法，反而被过度纠正，反而变的不那么精确了。
Neighborhood Clamping的质量也直接和当前帧渲染的采样率相关，因为当前帧样本稀疏的话，意味着用于纠正过去帧样本的参考也更加低频，导致最终结果也会更加低频、模糊。下面的例子展示了如果在减少当前帧采样数量再用Neighborhood Clamping的话，最终重建的函数也会更加缺少细节。也就是说，在做超分辨率的时候，用这一类算法更加容易丢失最终图片中的细节。

那DLSS 2.0和现有的实时渲染中的时域超采样有什么区别呢？DLSS2.0抛弃了人肉手调的启发式算法，用一个在超级计算机上数万张超高质量图片训练的神经网络来代替这些Heuristics。就像深度学习在几年前在计算机视觉领域超越了各种手调的特征提取算法一样，深度学习第一次在实时渲染中也非常合理的跑赢了图形领域的手调算法。
用DLSS 2.0重建的渲染图像序列达到了非常高的多帧样本利用率，这也是为什么只用四分之一的样本就可以重建出媲美原生分辨率渲染的图像质量的原因。