به نظر میآید دو ترفند جالب برای کم کردن بار پردازشی و افت عملکرد فناوری DLSS 5 روی کارتهای گرافیک انویدیا پیدا شده است. در یکی از این روشها با تغییر ترتیب مراحل رندر، اجرای پردازش عصبی پیش از Upscaling انجام میشود و روش دیگر با انتقال این پردازش به یک GPU مجزا، فشار را از روی کارت گرافیک برمیدارد.
آزمایشهای اولیه نشان میدهند این تغییرات میتوانند افت عملکرد سنگین DLSS 5 را به شکل محسوسی کاهش دهند؛ البته هر دو روش با محدودیتهایی همراه هستند و لزوماً کیفیت تصویر مشابه پیادهسازی رسمی NVIDIA را ارائه نمیکنند.
مشکل اصلی DLSS 5 کجاست؟
یکی از دلایل اصلی افت عملکرد DLSS 5 به محل اجرای Neural Rendering در زنجیره پردازش مربوط میشود. در پیادهسازی استاندارد NVIDIA، ابتدا تصویر رندرشده با DLSS Super Resolution به رزولوشن خروجی میرسد و سپس Neural Rendering روی همان فریم نهایی اجرا میشود.
این موضوع باعث میشود مدل هوش مصنوعی بهجای پردازش تصویر در رزولوشن داخلی بازی، مجبور به پردازش فریم کامل خروجی شود. برای نمونه، در رزولوشن 4K و حالت DLSS Quality، تعداد پیکسلهای تصویر نهایی حدود 8.3 میلیون است، در حالی که تصویر داخلی حدود 2.7 میلیون پیکسل دارد.
در بنچمارکهای انجامشده روی RTX 50، فعال کردن این قابلیت در برخی سناریوها افت بسیار شدیدی در نرخ فریم ایجاد کرده است؛ برای مثال عملکرد RTX 5090 در 4K از 192 FPS به 76 FPS کاهش یافته و RTX 5060 Ti در 1440p از 129 FPS به 46 FPS رسیده است.
اجرای Neural Rendering قبل از Upscaling
اولین راهکار با نام Neural Upstream توسط یک کاربر ارائه شده است. این روش ترتیب مراحل پردازش را تغییر میدهد و بهجای اجرای زنجیره «رندر → DLSS Super Resolution → Neural Rendering»، از ترتیب «رندر → Neural Rendering → DLSS Super Resolution → خروجی» استفاده میکند.
مزیت اصلی این روش آن است که شبکه عصبی تصویر کوچکتر و کمرزولوشنتری را پردازش میکند. در نتیجه، تعداد پیکسلهایی که باید توسط Neural Rendering پردازش شوند به میزان قابل توجهی کاهش مییابد.
نتایج منتشرشده از اجرای این مود روی یک RTX 4080 در بازی Assassin's Creed Shadows بسیار قابل توجه است. در رزولوشن 4K، هزینه پردازشی Neural Rendering از حدود 32 FPS به نزدیک 13 FPS کاهش یافته و عملکرد این روش در مقایسه با پیادهسازی استاندارد حدود 61 درصد بهتر گزارش شده است.
در یک آزمایش دیگر، نرخ فریم کلی با فعال بودن Neural Upstream از 31 FPS به حدود 50 FPS رسید؛ در حالی که با غیرفعال کردن کامل این قابلیت، نرخ فریم به حدود 63 FPS میرسید. گزارشهای مشابهی نیز در بازیهایی مانند Stalker 2، Cyberpunk 2077 و GTA V Enhanced منتشر شده است.
از آنجا که Neural Rendering روی تصویر کوچکتر اجرا میشود، اطلاعات کمتری در اختیار شبکه عصبی قرار میگیرد و در نتیجه ممکن است کیفیت تصویر کاهش پیدا کند. به نظر میرسد NVIDIA نیز به همین دلیل Neural Rendering را در انتهای زنجیره قرار داده تا بالاترین کیفیت تصویر ممکن را حفظ کند؛ مسئلهای که با توجه به انتقادهای مطرحشده درباره ظاهر غیرطبیعی برخی تصاویر DLSS 5 اهمیت بیشتری پیدا میکند.
اختصاص یک GPU به Neural Rendering
کاربران راهکار دیگری نیز برای کاهش فشار DLSS 5 پیدا کردهاند. مادی با نام MGPU Bridge امکان میدهد بازی روی یک GPU اجرا شود و پردازش Neural Rendering روی کارت گرافیک دیگری انجام شود. از آنجا که Neural Rendering یک مرحله نهایی پردازش تصویر است، الزام فنی مشخصی وجود ندارد که همان GPU که فریم را رندر کرده، پردازش عصبی را نیز انجام دهد.
بر اساس گزارش techspot این ایده حتی با نمونهای که انویدیا در نخستین نمایش DLSS 5 ارائه کرده بود همخوانی دارد؛ در آن زمان برای اجرای قابلیت Neural Rendering بهصورت مناسب، از 2 کارت RTX 5090 استفاده شده بود و یک کارت به پردازش عصبی اختصاص داشت.
آزمایش انجامشده با 2 کارت RTX 5060 Ti 16GB در بازی The Blood of Dawnwalker نشان میدهد انتقال پردازش به GPU دوم میتواند بخش قابل توجهی از افت عملکرد را از بین ببرد. برای مثال در حالت DLSS Quality، نرخ فریم از حدود 54 تا 55 FPS هنگام اجرای Neural Rendering روی همان کارت رندر، به حدود 91 FPS با انتقال این پردازش به GPU دوم افزایش یافته است.
در حالت Performance نیز نرخ فریم از 59 FPS به حدود 106 تا 107 FPS رسیده است. همچنین کارت گرافیک اصلی پس از انتقال بار پردازشی به GPU دوم، حدود 21 درجه سانتیگراد خنکتر شده است.
با این حال، استفاده از این روش به 2 کارت گرافیک و 2 مانیتور نیاز دارد و خروجی تصویر باید توسط کارتی نمایش داده شود که آن را تولید کرده است. بنابراین اگرچه ایده استفاده از یک GPU اختصاصی برای Neural Rendering جالب است، در شرایط فعلی راهکاری بسیار پرهزینه محسوب میشود.
نظر خود را اضافه کنید.
برای ارسال نظر وارد شوید
ارسال نظر بدون عضویت در سایت