NVIDIA DLSS (Deep Learning Super Sampling)
Vereinfacht gesagt machen beide Technologien (DLSS & FSR) im Grunde das Gleiche. Je nach gewähltem Modus wird das Spiel in einer niedrigeren Auflösung gerendert und am Ende auf die gewünschte Monitorauflösung bzw. die im Spiel fixierte Auflösung hochgerendert. Upscaling ist hier das Stichwort! So viel mal vorab und zum Allgemeinen. Da sich DLSS und FSR im Detail aber unterscheiden, möchte ich an der Stelle ganz kurz und möglichst einfach die Details erklären. Besonders für die Leser, die nicht über das Detailwissen in Bezug auf DLSS und FSR verfügen, soll dieser kurze Exkurs zum Einstieg ins Thema dienen. Am Ende des Tages lässt sich damit auch die Performance, bezogen auf die grafischen Details, besser einordnen!
https://www.nvidia.com/en-us/geforce/news/june-2021-rtx-dlss-game-update/
NVIDIA setzt voll auf KI-Unterstützung! Insbesondere in Bezug auf DLSS macht sich NVIDIA ein Netzwerk zum Anlernen der KI zu Nutze. Die grafischen Details und Bewegungsvektoren müssen dem DLSS Algorithmus in erster Linie beigebracht werden. Das Anlernen der KI endet, wenn man das mal so vereinfacht beschreibt, in einem großen Datenpool, wo sich die gelernten Bilder mit bis zu 16K Auflösung befinden. Aus diesem Pool heraus wird das KI-Netzwerk gespeist bzw. trainiert. Was bei euch später wieder auf dem Monitor landet.
https://www.nvidia.com/en-us/geforce/news/june-2021-rtx-dlss-game-update/
Durch die Betrachtung von Bewegungsvektoren und der vorherigen hochauflösenden Ausgabe, kann DLSS Objekte von Bild zu Bild verfolgen, was zu einer stabilen Bewegung führt. Es kann sogar Flimmern und Popp-Artefakte reduzieren. Na, da schau her! Dieser Prozess wird als „zeitliche Rückkopplung“ (temporal feedback) bezeichnet, da er die Vergangenheit nutzt, um Informationen für die Zukunft zu erhalten. Her mit den Lottozahlen sag ich nur. Hehe! Mit Zugriff auf frühere Frames und Bewegungsvektoren kann DLSS jedes Pixel verfolgen und mehrere Samples desselben Pixels über Frames hinweg nehmen (bekannt als temporales Supersampling), was zu einer besseren Detail- und Kantenqualität führt als bei herkömmlichen Upscaling-Lösungen.
https://www.nvidia.com/en-us/geforce/news/june-2021-rtx-dlss-game-update/
Die sogenannten Tensor-Cores, die auf jeder RTX Grafikkarte zusätzlich verbaut sind, übernehmen gewissermaßen die Aufgaben, um das Bild in der gewünschten Auflösung „hochgerendert“ (upscaled) darzustellen bzw. die Details für die höhere Auflösung so originalgetreu wie möglich auf den Bildschirm zubringen. Die Tensor-Kerne sind eben ein Teil des Lernnetzwerks. NVIDIA verspricht sich so, die eigentlichen Shader zur Bildberechnung zu entlasten und noch mehr Performance zu generieren. An der Stelle sollte es zum Thema DLSS reichen und wir wechseln mal zum Team Rot.
AMD FidelityFX Super Resolution (FSR)
Jetzt wird es leider nicht so detailliert wie zum Thema DLSS von NVIDIA. Hier hält sich AMD offiziell noch sehr bedeckt, inwieweit FSR tatsächlich funktioniert. Fakt ist, dass auch in Bezug auf FSR ein Upscaling-Algorithmus verwendet wird, der Grafikdetails räumlich rekonstruieren können soll. Mehr kann ich euch Stand heute hierzu nicht berichten, aber sobald ich mehr Details von AMD erfahre, werde ich euch auf dem Laufenden halten! Also schauen wir uns heute nur die üblichen PR-Folien an.
AMD kolportiert das FSR sehr nahe an die native Auflösung herankommen soll. Zudem soll FSR deutlich besser sein als Point oder Bilinear Upscaling. Dann schauen wir mal weiter.
Eine wunderschöne Folie, die zum Glück alles – aber auch gar nichts sagend ist. Dann schauen wir mal weiter.
Wie schaut es mit der Unterstützung von Hardware aus? Im Vergleich zu NVIDIA DLSS deutlich besser!
Viel mehr gibt es offiziell seitens AMD zum Thema FSR nicht. Daher will ich euch auch nicht länger mit noch mehr PR-Folien auf die Folter spannen. Letzten Endes geht es um die Leistung, die auf den Monitoren zuhause bei uns Nutzern ankommt. Also schauen wir uns die Messungen und Grafikdetails mal näher an. Nächste Seite bitte!
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 →