Bisher hatte man das Gefühl, AMD und NVIDIA gehen sich fast schon wie abgesprochen aus dem Weg, wenn es um die direkte Vergleichbarkeit von DLSS und FSR geht. Keines der aktuellen Spiele nutzte beide Verfahren, um einen direktenen 1:1 Vergleich zu ermöglichen. Und dann kam Necromunda Hired Gun. Gut, das Spiel ist weder ein echter AAA-Titel noch grafisch der elitäre Overkill, aber es ist spielbar und sieht auch noch akzeptabel aus. Grund genug also, hier einmal die Schere anzusetzen, und an der richtigen Stelle den Schnitt zwischen DLSS und FSR machen!
Wir erinnern uns: NVIDIA hat mit Deep Learning Super Sampling kurz DLSS 1.0 im Jahr 2018 einen für den Gamer wichtigen Schritt in die richtige Richtung gemacht. Niedriger Rendern und Upscaling für mehr Leistung in Form von Bildern pro Sekunde. Dabei war es das Ziel, möglichst keine größeren qualitativen Einbußen auf dem Monitor erleben zu müssen. Nun ja, mit der Qualität war es im ersten Step mit DLSS 1.0 eher ein Schuss in den Ofen! Aber mittlerweile gibt es ja DLSS 2.x und die Welt sieht deutlich anders bzw. besser aus.
NVIDIA hatte seinerzeit den Vorreiter gemacht und lange, gefühlt eigentlich viel zu lange, mussten AMD-Grafikkartenbesitzer warten, um ein entsprechendes Äquivalent von AMD zu erhalten. Seit einigen Wochen ist es nun endlich so weit, denn auch AMD FidelityFX Super Resolution, kurz FSR, ist endlich mit am Start. Wie diese beiden Upscaling-Techniken im Groben funktionieren und was sie leisten, das schauen wir uns heute anhand der NVIDIA GeForce RTX 3080 FE im bereits erwähnten Spiel an.
Bevor wir gleich in die Details gehen, hier wie immer mein Testsetup. Seit dem letzten Artikel hat sich hier wieder etwas verändert. Neben dem AMD Ryzen 7 5800X, hat sich auch etwas im Bereich der Monitore und der Maus getan. Der 1080p 240 Hz Monitor von MSI wurde in den Ruhestand verabschiedet. Hier hat sich ein 1440p von ASUS neben dem LG 27GL850-B gesellt. Der ASUS ROG Swift PG279QM ist ein 27 Zoll 1440p Monitor mit einem 240 Hz IPS Panel. Zudem bietet der ASUS ROG Swift PG279QM auch G-SYNC mit dem Reflex Low Latency Analyzer.
Ich kann damit also zukünftig auch erweiterten Content zum Thema Systemlatenzen anbieten. Damit der Reflex Low Latency Analyzer jedoch auch funktioniert, bedarf es einer kompatiblen Maus. Hier wird zukünftig die ASUS ROG Chakram Core zum Einsatz kommen. Diese Maus unterstützt NVIDIA Reflex in Verbindung mit dem Reflex Analyzer. Damit dient die ASUS ROG Chakram künftig als Referenz bei jeglichen Systemlatenzmessungen mit dem NVIDIA Reflex Analyzer.
Testsystem im Detail
CPU | Ryzen 7 5800X (stock) |
Mainboard | MSI MAG X570 ACE |
RAM | 2×8 GB G.Skill RipJaws V 3200 MHz CL16-18-18-38 (single ranked) |
SSD 1 | Toshiba Transcend 110S 256 GB (System) |
SSD 2 | Crucial P2 1000 GB (Spiele) |
SSD 3 | Crucial P2 1000 GB (Spiele) |
SSD 4 | Samsung 512 GB 840 Pro (Backup) |
CPU Kühler | MSI MAG Coreliquid 360R |
Netzteil | Seasonic Prime Platinum 1300 Watt |
GPUs | NVIDIA GeForce RTX 3080 FE (GeForce Driver 471.22) |
Sound | SoundblasterX AE-5 Plus |
Tastatur | Cooler Master SK 622 (Red Taster) via USB @1000 Hz Polling Rate |
Maus | ASUS ROG Chakram Core @1000 Hz Polling Rate (NVIDIA Reflex Latency Analyzer Support) |
Monitor 1 | ASUS ROG Swift PG279QM @240 Hz via DP (Nvidia G-SYNC mit Reflex Latency Analyzer) |
Monitor 2 | LG 27GL850-B @144 Hz via DP (AMD FreeSync Premium, G-SYNC Kompatibel) |
Die Cooler Master SK 622 habe ich aus Gründen der Bequemlichkeit gewählt, da ich zum Arbeiten ständig zwischen mehreren Rechner wechseln muss. Die Möglichkeit bis zu 4 PCs quasi gleichzeitig zu verbinden und der kleine Formfaktor (60% Tastatur), was die Mitnahme vereinfacht, waren hier die Hauptargumente für die Wahl auf die Cooler Master SK 622. So viel zur verwendeten Hardware. Dann steigen wir mal ins eigentliche Thema ein, dazu bitte auf die nächste Seite blättern!
48 Antworten
Kommentar
Lade neue Kommentare
Urgestein
Urgestein
Urgestein
Veteran
Veteran
Urgestein
Mitglied
1
Veteran
Neuling
Mitglied
Urgestein
Moderator
Moderator
Moderator
Moderator
1
Urgestein
Neuling
Alle Kommentare lesen unter igor´sLAB Community →