如果放在不久前的秋天,我们可能会认为深度学习抗锯齿是要比光线追踪更加“接地气”的技术,原因在于当时仅仅《战地V》这么一款作品拥抱后者,而且在当时看来赶工的迹象非常明显,不仅仅是性能需求远超预期、卡顿现象严重,而且各梯次的光线追踪质量并没有特别的需求差异(实际上直到今天,光线追踪性能依然是开发团队的工作重点)。跟着比起来,深度学习抗锯齿看起来就要符合马斯洛需求的多,因为它可以让帧率更高、性能更好,谁会拒绝这呢?

关于深度学习抗锯齿(DLSS),我们在曾经已经通过很多篇幅介绍过相当多,简单来说,针对支持该技术的游戏,会实现建立起对应的训练网络(Neural Graphics Acceleration(NGX),收集数以千计的64倍通过超级采样(SSAA)生成的参考画面,经过对像素点进行64次偏移着色合成输出后,理论上画面细节具有近乎完美的图像效果。同时还会生成正常的渲染图像,然后要求DLSS网络响应输出对应结果,观察与64倍超级采样画面差异,调整网络权重。经过多次迭代以后,DLSS自行学习产生的结果将具有与64×超级采样画面相同质量的细节,还可以避免TAA产生的运动模糊等问题。

不过需要明确的是DLSS训练网络运行于NVIDIA土星-V(Saturn-V)超级计算机,而非你的显卡。这台超算拥有660节点,内含5280颗V100 GPU核心,真正挑大梁的是它们,而不是我们的显卡,以此来获得四两拔千斤的效果,通过庞大的AI训练,能够以很小的代价获得更好的采样质量,说夸张一点,就是以FXAA抗锯齿的性能损失,换回SSAA抗锯齿的画质,听起来是不是很梦幻。这就是NVIDIA要在图灵显卡装载张量单元的原因。但这同样意味着,每款游戏都需要事先跑出自己的DLSS训练网络,然后由NVIDIA通过GeForce Experience软件分发给玩家,所以这也是非图灵显卡不能使用DLSS的原因。

最早能够支持该技术的作品是《最终幻想XV Windows Edition》,在我们的早期测试中发现虽然帧率确实提升明显,但是如果放大游戏截图来细看的话,会发现使用深度学习抗锯齿后虽然性能明天提升,但是代价同样明显:画面会变得更加模糊,而且要比曾经的快速近似抗锯齿(FXAA)更加明显。在后面的《地铁:离去》测试当中再次证明我的担忧:深度学习抗锯齿会让游戏变得更加模糊,尤其是对像素点更少的1080p分辨率而言,然而问题是,大部分玩家选择的都是更加便宜的RTX 2060、RTX 2070,它们的光线追踪核心、张量单元数量根本无法负担起4K Raytracing、DLSS,所以模糊化的体验会让平价的RTX显卡失去一层重要的意义。

更加让人困扰的是,针对目前的《地铁:离去》、《战地V》这两款作品,何时能够开启深度学习抗锯齿是拥有严苛的限制的,比如说在不同的分辨率,不同的显卡能否正常开启的条件是不同的,而且还要考虑是否需要搭配光线追踪(DXR)技术一道开启。总之,虽然原理看起来深度学习抗锯齿非常有潜力,但是在不同的限制下、性能、画面质量如何都有待进一步的验证,这就是本文的主题。

《地铁:离去》当中基于深度学习抗锯齿的开启限制

《战地V》当中基于深度学习抗锯齿的开启限制

大家能够看到上面无论是《地铁:离去》还是《战地V》的限制情况都非常复杂,如果要找规律的话,就是越是性能高端的显卡,越强制“建议”你单单选择更高阶的分辨率,比如说1440p、2160p,而越是性能普通的卡就给你选择全部分辨率(但实际体验最好的是1080p),另外呢基本上都是要打开光线追踪技术的同时才能打开深度学习抗锯齿,例外仅仅是在《地铁:离去》当中的RTX 2080、RTX 2080 Ti,他们可以在没有打开光线追踪的条件下打开深度学习抗锯齿。总之,我们这次就通过已经被数次优化过的《战地V》,来看看深度学习抗锯齿到底能够带来多少性能提升,并且画质是否会出现降质。

测试的配置方面,采用的依然是之前测试《Apex英雄》的平台,处理器是超频到4.8GHz高频率的酷睿i7-8086K,内存是两条来自威刚的XPG龙耀系列D80内存,8GB-3200MHz Dual Channel,显卡部分则是来自影驰的产品,包括RTX 2080 Ti、RTX 2070、RTX 2060是来自GAMER系列的产品,而RTX 2080则是来自名人堂HOF的产品。

测试细节方面,大家看到上面的图表就知道《战地V》仅有开启光线追踪才能使用深度学习抗锯齿,所以我们的测试方法就是对比打开光线追踪,然后看看各分辨率开启深度学习抗锯齿前后帧率的提升,测试的地图还是之前我们采用的单人剧情部分的“步兵团”关卡开始部分,自下车开始一直测试到占领山丘上的德军阵地,这部分我们的画质、DXR质量都是选择最高。测试驱动是采用最新的419.71。

深度学习抗锯齿性能测试:1080p进步不明显,4K才是决战主力

首先我们来看看RTX 2060的表现,它是能够开启GeForce RTX功能的显卡当中最便宜的产品,性能方面来说,大家可以看到无论是基准的1080p分辨率,还是进阶的1440p分辨率,其实大家能看到帧率提升非常的有限,都尚且在20%范围内。之前英伟达方面表示性能提升最明显的其实是4K UHD分辨率,这倒是并没有说错,确实有39.4%的提升,但是如果你看绝对的帧率提升的话,实际上仅仅是19.3FPS提高到26.9FPS而已,并没有颠覆性的体验,所以我们可以说就RTX 2060这张卡的表现来说,它最多就在1440p分辨率的时候来体验DXR、DLSS。

再来看看RTX 2070的表现,其实早在去年我们秋天的测试中,你就知道尽管显卡之间本身的性能差距很大,但是在《战地V》当中时候光线追踪技术后差距就没有那么大,RTX 2070的表现跟RTX 2060类似,普通的1080p分辨率、1440p分辨率依然提升有限,均未超过20%,4K UHD分辨率表现倒是有42.8%的提升,绝对帧率自平均27.7FPS提高到39.56FPS,这算是自“非常卡顿”提升到“勉强能玩”的级别。

或许是因为RTX 2080的性能足够强,所以就已经取消对基本的1080p的支持,但是基本的格局并没有得到改写,你看普通的1440p分辨率提升依然没有超过20%,就区区17.8%“而已”,然后4K UHD分辨率表现倒是出奇的好,提升达到44.6%,帧率自34.06FPS的“勉强能玩”提升到49.25FPS,这基本就算是“流畅”的入口。

最后来看看性能最强的RTX 2080 Ti,这张显卡完全没有1080p、1440p分辨率的支持,仅仅面向4K,然后开启深度学习抗锯齿后性能提升在30%左右,没有前面动辄四成左右的提升,至于原因我并不清楚,原理上说或许是因为4K分辨率对于RTX 2080 Ti来说难道还不够高压?我们开启的可是最高画质、最高光追质量。

画质分析:1080p最吃亏,画面明显变模糊

这里我们来简单对比看看打开深度学习抗锯齿技术后,在各分辨率环境中是否出现明显的降至、模糊情况,还是跟前面的一致采用全部最高画质、DXR质量最高。首先来看看1080p分辨率的对比,我们选择的依然是步兵团这道关卡,大家可以看到在开启深度学习抗锯齿后,很明显树木的树枝、树叶部分变得模糊,没有原生那么细腻,有股油画感。

关闭DLSS,点击放大

打开DLSS,点击放大

关闭DLSS,点击放大

打开DLSS

左侧是关闭,有测是开启

打开DLSS

关闭DLSS

而到1440p的时候,模糊的情况则得到一定程度的缓解,需要更加仔细看才能看出端倪,但是在树枝、树叶的边缘部分还是能看得出一定程度的模糊“副作用”。

关闭DLSS

打开DLSS

关闭DLSS

打开DLSS

关闭DLSS

打开DLSS

而实话实说,最后切换成4K UHD分辨率的时候就要清晰很多,部分场景甚至不在容易区分是否有开启DLSS,所以说英伟达至少在关键部分没有说错,DLSS确实是分辨率越高越优秀、越值得使用,然而问题在于,如果要玩4K的话,你的显卡就需要不低的性能、换句话说需要不低的售价才行。

总结:DLSS最适合4K游戏用户

如果大家还记得去年夏天的科隆发布会的话,应该知道当时的深度学习抗锯齿技术的重要价值就在于能够在保持画质的前提下带来性能的提升,而从我们的 测试数据、截图看起来,这确实是真实的,4K分辨率无论是帧率提升的幅度、还是画面的素质都是最两眼的,而最不建议开启的就是1080p分辨率环境,因为不仅仅是性能提升相比较少,而且画面降质的现象最为明显,树枝、树叶的细节丢失很多,而且画面整体有种朦胧的“美”,这可能是因为目前的样本学习还没有达到火候,但是无论如何,1080p开启深度学习抗锯齿在现在看来都不是一件让人享受的事情。

不过好在之前英伟达承诺过优化1080p、1440p分辨率的深度学习抗锯齿画面素质,加强样本学习,尤其是改善锐化程度,而最近《地铁:离去》就在这方面下功夫,我们期待平价的RTX 2060、RTX 2070能够带来更多的价值。

抗锯齿_《战地V》深度学习抗锯齿性能测试:对它最友好的竟然是4K相关推荐

  1. 抗锯齿_电竞屏+AI抗锯齿,雷神911 Pro游戏本给你更好游戏体验

    今年年初英伟达终于公布了有关RTX 2060的相关信息,在1月29日,首批搭载全新RTX显卡的游戏本电脑就已经面世,雷神911 Pro正是其中的一员,而最近<战地5>也将迎来更新,除了是目 ...

  2. python性能训练_让大规模深度学习训练线性加速、性能无损,基于BMUF的Adam优化器并行化实践...

    编者按: 深度学习领域经典的 Adam 算法在大规模并行训练的情况下会导致模型性能损失.为了解决这一问题,微软亚洲研究院采用 BMUF 框架对 Adam 算法进行了并行化,并在微软大规模 OCR 和语 ...

  3. 基于深度学习的病理_组织病理学的深度学习(第二部分)

    基于深度学习的病理 计算机视觉/深度学习/医学影像 (COMPUTER VISION/ DEEP LEARNING/ MEDICAL IMAGING) In the last part, we sta ...

  4. 时间序列多步预测_使用LSTM深度学习模型进行温度的时间序列单步和多步预测...

    本文的目的是提供代码示例,并解释使用python和TensorFlow建模时间序列数据的思路. 本文展示了如何进行多步预测并在模型中使用多个特征. 本文的简单版本是,使用过去48小时的数据和对未来1小 ...

  5. 用lstm模型做预测_使用LSTM深度学习模型进行温度的时间序列单步和多步预测

    本文的目的是提供代码示例,并解释使用python和TensorFlow建模时间序列数据的思路. 本文展示了如何进行多步预测并在模型中使用多个特征. 本文的简单版本是,使用过去48小时的数据和对未来1小 ...

  6. python图像分类代码_医学图像 | 使用深度学习实现乳腺癌分类(附python演练)

    乳腺癌是全球第二常见的女性癌症.2012年,它占所有新癌症病例的12%,占所有女性癌症病例的25%. 当乳腺细胞生长失控时,乳腺癌就开始了.这些细胞通常形成一个肿瘤,通常可以在x光片上直接看到或感觉到 ...

  7. 深度学习实现象棋_象棋的深度学习

    深度学习实现象棋 Erik Bernhardsson | 2017年2月2日 (by Erik Bernhardsson | February 2, 2017) About Erik: Dad and ...

  8. 独热编码python实现_详解深度学习中的独热编码

    很多人开始接触深度学习,数据处理遇到第一个专业英文术语就是one-hot encode(独热编码),很多初学者就会迷茫,这个东西是什么意思,其实说的直白点所谓的独热编码最重要的就是把一组字符串或者数字 ...

  9. python关键词对联_如何用深度学习框架PaddlePaddle实现智能春联

    引言: 不知不觉春节假期马上到来,在今年的春节话题中,不难发现,除了七大姑八大姨亲切问候这些常规话题,人工智能的踪迹也是随处可见.AI在以全新的面貌向我们展示值得期待的未来,比如今天,我们可以用Pad ...

  10. alexnet训练多久收敛_如何将深度学习训练速度提升一百倍?PAISoar 来了

    阿里妹导读:得力于数据规模增长.神经网络结构的演进和计算能力的增强,深度学习的图像处理.语音识别等领域取得了飞速发展.随着训练数据规模和模型复杂度的不断增大,如何充分利用分布式集群的计算资源加快训练速 ...

最新文章

  1. 团体——L1-003 个位数统计 (c)
  2. 用PHP代码实现简单的工厂模式,用PHP代码实现简单的工厂模式
  3. Android 中SharedPreferences 使用
  4. 简单理解Tomasulo算法与重加载缓冲区
  5. 用BenchmarkDotNet看Property
  6. P3193-[HNOI2008]GT考试【KMP,dp,矩阵乘法】
  7. ASP.NET 数据库缓存依赖
  8. mybatis学习(4):工具类和实体类的创建
  9. Magento: Beginner’s Guide(书籍推荐)
  10. LaTeX中添加\usepackage{subfigure}一直报错的解决办法,亲测
  11. SQL服务器名称更改
  12. 【报告分享】2021开放数字资产价值报告:数字化孕育新的发展动能.pdf(附下载链接)...
  13. [转载] python学习笔记(三)- numpy基础:array及matrix详解
  14. 栈溢出(Stack Overflow)
  15. CSDN博客下载器v1.0发布(Windows版本)
  16. 蓝宝石rx470d原版bios_AMD又能开核?刷完BIOS后性能白给,这次血赚了
  17. 战术导弹飞行控制系统设计
  18. 微信SDK配置wx.config报invalid signature签名错误
  19. 骐俊CAT1模组 - MQTT接入腾讯云平台篇
  20. Docker入门的亿点点学习

热门文章

  1. Java 标注(Annotation)详解
  2. 标 题: 三维游戏里面的自动寻路的算法可能是什么样的?
  3. linq to sql 语法 学习笔记(1)
  4. 在本地Windows系统下搭建Apollo配置中心
  5. MyBatis中Mapper接口是怎么和XML文件关联起来的
  6. 红帽发布 Ansible Tower 3.4:在混合云中实践DevOps更便捷
  7. MaxCompute/DataWorks权限问题排查建议
  8. linux USR1亦通常被用来告知应用程序重载配置文件
  9. 3.13、@InitBinder 和 WebDataBinder
  10. fisher criterion