راهکار هوشمندانه انویدیا برای افزایش استقبال از فناوری DLAA

DLSS به عنوان یک از ویژگی‌های متمایز کننده کارت‌های گرافیک GeForce شناخته می‌شود اما انویدیا یک فناوری دیگر به نام DLAA هم دارد که کمتر مورد توجه سازندگان بازی و توسعه دهندگان قرار گرفته است. خبر خوب اینکه انویدیا یک راه حل هوشمندانه برای گسترش به‌کارگیری DLAA در بازی‌ها دارد. اطلاعات بیشتر را در شهر سخت افزار بخوانید.

افزایش کیفیت بازی ها با DLAA انویدیا

همان‌طور که می دانید، DLSS از هسته‌های Tensor و الگوریتم‌های مبتنی بر هوش مصنوعی برای افزایش نرخ فریم دهی بازی‌ها با فدا کردن کیفیت تصویر استفاده می‌کند. در طرف مقابل Deep learning anti-aliasing (DLAA) موجب افزایش FPS نمی‌شود و حتی بخشی از کارایی را فدای افزایش کیفیت می‌کند. طبق آنچه که اشاره شد، DLAA برخلاف DLSS، موجب افزایش کیفیت تصویر در بازی‌ها می‌شود.

DLAA را می‌توان یک جایگزین بهتر برای تکنیک‌های Anti-aliasing چون TAA و MSAA دانست که از هوش مصنوعی و شبکه‌های عصبی مصنوعی برای بهبود کیفیت و ویژگی‌های فریم‌ها استفاده می‌کند. جالب خروجی تصویر DLAA حتی می‌تواند بهتر از رندر کردن بازی‌ها در وضوح تصویر نیتیو مانیتور کاربر باشد.

علی رغم اینکه DLAA یک فناوری بسیار سودمند است و انویدیا انتظار داشت بازی‌های سازگار با DLSS از DLAA هم پشتیبانی کنند، اما در عمل چنین نشد. به همین دلیل انویدیا راه حال جالبی برای این مشکل پیدا کرده است.

حالا می دانیم انویدیا در تلاش است تا DLAA را به عنوان یکی از حالت‌های DLSS ارائه کند. این موضوع بی ارتباط با حالت جدید G برای DLSS در موتور بازی Unreal Engine 5.2 نیست که چند روز قبل مورد توجه گیمرها و رسانه‌ها قرار گرفت.

جالب‌تر اینکه به نظر می‌رسد انویدیا نه تنها قصد دارد DLAA را به عنوان یک preset برای DLSS 3 ارائه کند، بلکه شامل DLSS 2 هم می‌شود. به این ترتیب می‌توان انتظار داشت بازی‌های سازگار با DLSS به طور گسترده از DLAA هم پشتیبانی کنند.

در همین رابطه بخوانید:

- فناوری DLSS (دی ال اس اس) انویدیا چیست و چگونه کار می‌کند؟
- حالت انحصاری DLSS 3 برای موتور بازی Unreal Engine 5 در راه است

با فعال کردن DLAA، بازی‌ها منحصراً در وضوح تصویر مانیتور کاربر بدون هرگونه Upscaling رندر می‌شوند تا بالاترین کیفیت تصویر حاصل شود. همچنین این فناوری از هوش مصنوعی برای اصلاح عناصر تصویر و رفع پدیده‌های ناخواسته استفاده می‌کند. در حالی که تکنیک‌هایی چون TAA به روش‌های اکتشافی برای تشخیص و رفع آرتیفکت‌های تصویر متکی هستند، DLAA از شبکه‌های عصبی مصنوعی آموزش دیده برای این کار استفاده می‌کند که عملکرد بهتری دارد.