Perbandingan DLSS
Game Metro: Exodus yang telah lama ditunggu-tunggu akhirnya hadir, dengan Ray-tracing dan Deep-Learning Super-Sampling (DLSS). Selanjutnya, Battlefield 5 telah menerima pembaruan yang memungkinkan adanya DLSS. Seri RTX Nvidia akhirnya menemukan taman bermain untuk bersinar dengan baik. Inti dari inti Tensor dalam rangkaian kartu RTX adalah untuk meningkatkan refleksi dan membuat game lebih 'nyata'. Untuk mencapai ini, kartu memanipulasi pengaturan grafis seperti Ray-Tracing. Namun, segera setelah peluncuran, kami menemukan bahwa pengaturan ini memengaruhi kinerja secara signifikan.
Nvidia memahami ini dan sudah mencari solusinya. Solusi itu adalah DLSS. Dengan DLSS, game dapat secara efektif 'belajar' dari pola dan tren dan menyimpan data tersebut untuk disajikan untuk penggunaan di masa mendatang daripada menggunakan kinerja komputasi yang berharga untuk membuat ulang gambar. Fitur seperti DLSS memungkinkan game mempertahankan frekuensi gambar yang lebih tinggi dan lebih dapat dimainkan pada resolusi yang lebih tinggi. Namun, DLSS yang diterima gamer sejauh ini memiliki sedikit masalah.
Masalah Dengan DLSS Saat Ini
Masalah yang dihadapi para gamer dengan fitur ini adalah ia mengubah atau merusak kualitas gambar saat fitur tersebut diaktifkan. Apakah itu masalah dengan cara data di-cache atau sesuatu yang lain adalah sesuatu yang perlu diketahui dan diperbaiki oleh NVIDIA. Saat ini, itu adalah sesuatu yang harus dihadapi pemain untuk mempertahankan pengalaman bermain game yang lebih lancar. Intinya, ini adalah trade-off kinerja untuk grafis.
Direktur Teknis Deep Learning di NVIDIA, Andrew Edelstien, Diposting ini di situs NVIDIA. Tujuan dari pengunggahan adalah untuk membantu pengguna lebih memahami mengapa masalah ini umum terjadi. Dia mengatakan bahwa DLSS dimaksudkan untuk digunakan pada atau lebih rendah dari 60 fps dan pada resolusi yang lebih tinggi, jika tidak, DLSS tidak akan terbukti dapat meningkatkan performa. Lebih lanjut, sejauh menyangkut masalah kualitas gambar, ia mengatakan masalah tersebut akan diperbaiki pada waktunya.
Algoritme pembelajaran mendalam adalah algoritme yang membutuhkan sejumlah besar data dasar untuk memahami dan menciptakan kembali situasi untuk penggunaan di masa mendatang. Ini mungkin perlu menganalisis adegan yang sama ratusan kali sebelum dapat membuat replikanya yang jernih. Mungkin itulah yang ingin diteruskan Andrew dengan unggahannya. Tentu saja, NVIDIA bekerja untuk meningkatkan kecepatan dan kemampuan analisis algoritme. Namun, untuk saat ini, kami hanya bisa memberikan lebih banyak waktu dan berharap ini akan meningkat dengan berlalunya waktu.
Tag perangkat keras nvidia.dll RTX
