Intel et UCSC travaillent sur une alternative prometteuse au DLSS de NVIDIA. NVIDIA a marqué un tournant avec DLSS 2.0, une technologie de redimensionnement intelligente qui a inspiré Intel et UCSC à développer une alternative très intéressante, même s’il est vrai qu’elle en est encore à ses débuts et qu’elle a donc un long chemin à parcourir.
La technologie DLSS 2.0 de NVIDIA utilise une série d’algorithmes (intelligence artificielle) pour générer un processus de reconstruction qui combine différentes images pour créer le cadre parfait.
Une technique de redimensionnement traditionnelle effectue le rendu avec moins de pixels et extrapole le reste à partir des pixels qui ont été rendus. Pour améliorer le résultat, il applique un filtre d’image temporaire qui adoucit les bords et réduit les dents de scie, mais finit généralement par produire un flou.
La technologie DLSS 2.0 ne fonctionne pas de cette façon. Il est vrai qu’il part également d’une résolution inférieure, c’est-à-dire qu’il rend l’image à 50% ou 67% de la résolution cible, selon les paramètres que nous avons sélectionnés, mais cela ne se limite pas à l’étirement ou au remplissage des manquants pixels, au lieu de cela, il effectue un processus de combinaison d’images en temps réel pour terminer un cycle de reconstruction qui se traduit par une image de haute qualité. Il est si efficace que, comme nous l’avons vu à l’époque, il peut même surpasser un paramètre de résolution natif avec TAA appliqué.
DLSS 2.0 vous permet d’obtenir une image parfaite en utilisant la moitié des pixels et de redimensionner intelligemment à des résolutions 16K, une réalisation qui, comme beaucoup de nos lecteurs le savent, a été possible grâce à l’intelligence artificielle, et aussi grâce aux cœurs Tensor, y compris RTX 20 et les cartes graphiques RTX 30, dédiées à l’accélération de cette charge de travail.Intel et UCSC travaillent sur une alternative prometteuse au DLSS de NVIDIA
Intel et UCSC veulent également progresser dans ce domaine
Et pour y parvenir, il a développé, en collaboration avec UCSC, une technique de redimensionnement intelligent que nous avons déjà vu travailler avec la démo «Infiltrator», un classique qui nous accompagne depuis quelques années (il est arrivé en 2013) et qui utilise le moteur Unreal 4.
La technologie de redimensionnement intelligent d’Intel est basée sur une approche similaire à la technologie DLSS de NVIDIA, utilisant un réseau neuronal appelé QW-Net pour effectuer un processus de reconstruction d’image. Selon les responsables du projet, 95% des opérations nécessaires pour mener à bien ce processus sont des entiers de 4 bits.
Intel et l’UCSC ont combiné deux réseaux en forme de U spécialisés dans différentes tâches. Le premier se concentre sur l’extraction des caractéristiques de l’image et le second se concentre sur le filtrage et la reconstruction de l’image de sortie. Le rôle des deux réseaux est parfaitement différencié, même s’il faut être clair que le premier représente une charge de calcul plus importante. Le second, en revanche, représente une charge de travail moindre (au niveau des calculs), mais il nécessite une plus grande précision, de cette façon il a moins de marge d’erreur.
Comme on peut l’imaginer, ce réseau accumule des images de manière récurrente, ce qui permet d’obtenir des résultats stables dans le temps et d’obtenir une qualité de sortie qui n’a pas grand-chose à envier à un rendu natif avec TAA appliqué, comme on peut le voir dans la vidéo ci-jointe. Malheureusement, cette technologie n’est pas encore prête à fonctionner en temps réel comme le fait NVIDIA DLSS 2.0, nous ne verrons donc pas cela à court ou moyen terme.
Malgré tout, c’est une solution très intéressante, et connaître les difficultés techniques auxquelles Intel et UCSC sont confrontés nous permet d’intérioriser de manière plus profonde l’énorme avancée que NVIDIA DLSS 2.0 a accomplie.