AMD parlera de sa « technologie de mise à l’échelle d’image de nouvelle génération » pour les jeux lors de la prochaine conférence GDC 2022 plus tard ce mois-ci. La méthode est basée sur les recherches en cours d’AMD, il pourrait donc s’agir d’une nouvelle implémentation de la super résolution FidelityFX (FSR) existante d’AMD, bien que ce qui est mis à jour ne soit pas encore clair.
« Au cours de cette session, AMD présentera certains des résultats de ses recherches dans le domaine de la technologie de mise à l’échelle de l’image de nouvelle génération, et comment une telle technologie peut être appliquée aux jeux pour améliorer l’expérience de jeu », lit-on dans une description de la Next-Generation Image Session de mise à l’échelle pour les jeux sur le site Web de la GDC 2022 (félicitations à VideoCardz pour le conseil). L’événement aura lieu le mercredi 23 mars 2022.
Bonnes choses…
La technologie FSR existante d’AMD est un ensemble d’algorithmes de mise à l’échelle open source conçus pour offrir des performances améliorées à des résolutions plus élevées en mettant à l’échelle une source de résolution inférieure (par exemple, mise à l’échelle de 2560 × 1440 à 3840 × 2160, etc.). Contrairement au super échantillonnage d’apprentissage en profondeur (DLSS) de Nvidia, l’implémentation actuelle du FSR par AMD n’utilise aucune analyse d’image basée sur l’IA/DL pour améliorer la qualité de l’image, c’est pourquoi la technologie fonctionne sur pratiquement tous les GPU disponibles aujourd’hui, y compris ceux d’Intel et de Nvidia. .
Mais le FSR d’AMD dans son implémentation actuelle n’est pas parfait, et bien qu’il tienne sa promesse d’amélioration des performances, dans de nombreux cas, la qualité de rendu de l’algorithme d’AMD est insuffisante. Cela est particulièrement vrai pour les facteurs de mise à l’échelle plus élevés, et il ne fait aucun doute que le DLSS de Nvidia produit de meilleurs résultats. C’est pourquoi AMD travaille sur sa technologie d’upscaling d’image de nouvelle génération.
… ne peut que s’améliorer
La société n’a pas annoncé à l’avance les détails de ses méthodes d’amélioration de la qualité d’image de nouvelle génération, mais nous pouvons spéculer.
Tout d’abord, puisqu’il s’agit d’une technologie d’upscaling pour les jeux qui est finalement conçue pour améliorer les performances, on parle d’un algorithme de rendu en temps réel qui n’implique pas de techniques trop coûteuses qui nuisent aux performances (comme les algorithmes multi-passes utilisés par l’industrie du cinéma).
La plupart des techniques de mise à l’échelle d’image de haute qualité introduites ces dernières années (par exemple, par Nvidia, Samsung, Sony et LG) utilisent divers types d’analyse AI/DL pour reconnaître les modèles de contraste courants dans les scènes du monde du jeu/du monde réel, puis s’appliquent un algorithme de mise à l’échelle (filtre) qui correspond le mieux à une tuile particulière du point de vue des performances et de la qualité. Une autre façon d’améliorer les performances tout en produisant une qualité d’image fine consiste à implémenter des algorithmes séparés pour traiter les parties mobiles et fixes d’une image, qui utilisent souvent une forme d’analyse compatible AI/ML.
Mais alors que les méthodes de mise à l’échelle activées par l’IA/ML fonctionnent plutôt bien dès le départ avec une certaine contribution du pilote, la meilleure façon de les mettre en œuvre est de collaborer avec les développeurs de jeux et de mettre en œuvre un ensemble d’algorithmes particuliers pour un titre particulier. Les films ne se soucient pas de savoir si cela prend un peu plus de temps pour obtenir un bon résultat de mise à l’échelle, mais dans un jeu en temps réel fonctionnant potentiellement à plus de 60 images par seconde, les techniques complexes peuvent ne pas fonctionner aussi bien.
Il existe plusieurs domaines potentiels dans lesquels AMD pourrait chercher à améliorer le FSR. FSR utilise actuellement la mise à l’échelle spatiale, ce que Nvidia a tenté de faire avec DLSS 1.0. Nvidia a finalement retravaillé l’algorithme pour utiliser un upscaler temporel, combiné à l’apprentissage automatique, et finalement DLSS 2.0 s’est avéré bien meilleur que l’implémentation initiale.
Une partie de la raison pour laquelle Nvidia peut s’en tirer avec les calculs DLSS complexes est qu’il a équipé ses GPU de la série RTX de cœurs Tensor. Ceux-ci peuvent effectuer beaucoup de calculs moins précis très rapidement, en utilisant des calculs FP16 au lieu de FP32. Les GPU d’AMD n’ont pas d’équivalent aux cœurs Tensor de Nvidia, il y a donc une question de savoir si cette technologie de mise à l’échelle de nouvelle génération est destinée à fonctionner avec les GPU de génération actuelle et précédente, ou peut-être est-ce pour la future architecture RDNA 3 d’AMD.
À ce stade, nous ne savons pas si la technologie de mise à l’échelle de nouvelle génération d’AMD utilise l’analyse AI/DL pour améliorer les performances et la qualité. AMD a peut-être implémenté un support matériel pour les algorithmes haut de gamme de haute qualité utilisés par des programmes comme Premier Pro d’Adobe ou DaVinci Resolve de Blackmagic Design dans ses GPU de nouvelle génération, mais connaissant les tendances de développement des GPU, nous mettrions notre argent sur quelque chose de plus intelligent et moins spécial- but.
AMD a traditionnellement essayé de créer des algorithmes qui s’exécutent sur un large éventail de matériel graphique, plutôt que de verrouiller l’algorithme derrière du matériel spécialisé. Là encore, Intel travaille également sur XeSS pour ses GPU Arc, avec une méthode de secours qui fonctionnera sur d’autres puces non Arc. Si Intel peut faire fonctionner XeSS sur les GPU des deux dernières générations, AMD pourrait tenter quelque chose de similaire.
Nous en saurons plus sur tout ce sur quoi AMD travaille avec la mise à l’échelle de son image plus tard ce mois-ci lors de la GDC 2022.