انویدیا در حال حاضر به لطف ترکیبی از عملکرد، ویژگی‌ها و شناخت برند، بر بازار پردازنده‌های گرافیکی تسلط دارد. فناوری‌های هوش مصنوعی (هوش مصنوعی) و یادگیری ماشینی آن بسیار مؤثر بوده‌اند و AMD واقعاً نتوانسته است به‌ویژه در بازار مصرف‌کننده به عقب بیفتد. اما این شرکت امیدوار است که به زودی آن را تغییر دهد.
با توجه به پستی در GPUOpen، تحقیقات AMD در حال حاضر بر روی دستیابی به ردیابی مسیر بلادرنگ در GPUهای RDNA از طریق راه حل های شبکه عصبی متمرکز شده است. انویدیا از DLSS خود برای ارتقای تصویر با استفاده از هوش مصنوعی استفاده می‌کند، اما DLSS به معنای بسیار بیشتر از «سوپرنمونه‌گیری یادگیری عمیق» است – ارتقاء مقیاس DLSS 2، تولید فریم DLSS 3 و بازسازی پرتو DLSS 3.5 وجود دارد. آخرین تحقیقات AMD بر کاهش نویز عصبی برای حذف تصاویر نویز ناشی از استفاده از تعداد محدودی از نمونه‌های پرتو در ردیابی مسیر بلادرنگ تمرکز دارد – تا آنجا که ما می‌دانیم اساساً بازسازی پرتوها.
ردیابی مسیر معمولاً از هزاران یا حتی ده ها هزار محاسبه اشعه در هر پیکسل استفاده می کند. این استاندارد طلایی و چیزی است که فیلم‌ها معمولاً به آن نیاز دارند و اغلب به ساعت‌ها در هر فریم نمایش داده می‌شود. در واقع، صحنه با استفاده از پرش های محاسبه شده رندر می شود، جایی که حتی یک تغییر جزئی در مسیر ثبت شده می تواند منجر به رنگ پیکسل متفاوت شود. این کار را اغلب انجام دهید و تمام نمونه های به دست آمده را در هر پیکسل جمع آوری کنید و در نهایت کیفیت نتیجه تا حد قابل قبولی بهبود می یابد.
برای انجام ردیابی مسیر بلادرنگ، تعداد نمونه ها در هر پیکسل باید به میزان قابل توجهی کاهش یابد. این منجر به نویز بیشتر می شود، زیرا پرتوهای نور اغلب به پیکسل های خاصی نمی رسند و در نتیجه نور ناقصی ایجاد می شود که نیاز به کاهش نویز دارد. (به هر حال، فیلم‌ها از الگوریتم‌های کاهش نویز سفارشی استفاده می‌کنند؛ حتی ده‌ها هزار نمونه خروجی کامل را تضمین نمی‌کنند.)
AMD قصد دارد این مشکل را با یک شبکه عصبی که نویز را در حین بازسازی جزئیات صحنه کاهش می دهد، برطرف کند. راه حل انویدیا به دلیل حفظ جزئیاتی که رندر سنتی زمان بیشتری برای دستیابی به آن نیاز دارد، تحسین شده است. AMD امیدوار است با بازسازی جزئیات ردیابی مسیر با استفاده از تنها چند نمونه در هر پیکسل، به دستاوردهای مشابهی دست یابد.
نوآوری در اینجا این است که AMD ارتقاء مقیاس و کاهش نویز را در یک شبکه عصبی واحد ترکیب می کند. به گفته خود AMD، رویکرد آن “تصاویری با کیفیت بالا، بدون نویز و نمونه برداری فوق العاده با وضوح بالاتر از نمایشگر برای ردیابی مسیر در زمان واقعی تولید می کند.” این فرآیند را استاندارد می کند و به AMD امکان می دهد بسیاری از ابزارهای کاهش نویز مورد استفاده در موتورهای رندر را جایگزین کند و همچنین ارتقا را در یک پاس انجام دهد.
این تحقیق احتمالاً منجر به نسخه جدیدی از FSR (FidelityFX Supersolution) AMD خواهد شد که ممکن است با استانداردهای عملکرد و کیفیت تصویر Nvidia مطابقت داشته باشد. فناوری‌های DLSS انویدیا به سخت‌افزار اختصاصی هوش مصنوعی روی پردازنده‌های گرافیکی RTX، همراه با یک شتاب‌دهنده جریان نوری برای ایجاد فریم‌ها در پردازنده‌های گرافیکی سری RTX 40 (و جدیدتر) نیاز دارند.
پردازنده‌های گرافیکی فعلی AMD معمولاً فاقد ویژگی‌های شتاب هوش مصنوعی هستند، یا در مورد RDNA 3، شتاب‌دهنده‌های هوش مصنوعی وجود دارند که منابع اجرایی را با سایه‌زن‌های GPU به اشتراک می‌گذارند، اما به گونه‌ای که برای بارهای کاری هوش مصنوعی بهینه‌تر شده است. چیزی که مشخص نیست این است که آیا AMD می‌تواند یک شبکه عصبی حذف نویز را اجرا کند و پردازنده‌های گرافیکی موجود را افزایش دهد یا اینکه به خوشه‌های پردازشی جدید (مانند ماژول‌های تانسور) نیاز دارد. دستیابی به این امر در سخت افزار فعلی احتمالاً به تکرارهای آینده FSR اجازه می دهد تا در تمام GPU ها کار کنند، اما می تواند کیفیت و سایر جنبه های الگوریتم را نیز محدود کند.
ما باید منتظر بمانیم و ببینیم که AMD در نهایت چه چیزی را ارائه می کند. یک رویکرد بهبود یافته برای ردیابی مسیر عصبی و ارتقاء مقیاس می‌تواند گرافیک‌هایی با وضوح بالا ارائه دهد که برای طیف گسترده‌ای از دستگاه‌ها قابل دسترسی است، اما با توجه به الزامات ردیابی مسیر عصبی در بازی‌ها (نگاه کنید به: Alan Wake 2، Black Myth Wukong، و Cyberpunk 2077 RT Overdrive) ما معتقدیم که AMD برای دستیابی به سطوح بالاتر وضوح تصویر به سخت افزار بسیار سریع تری نسبت به محصولات فعلی نیاز دارد.
منبع: https://www.tomshardware.com/pc-components/gpus/amd-research-suggests-plans-to-catch-up-to-nvidia-using-neural-supersampling-and-denoising-for-real-time-path-tracing
تحریریه مجله اچ پی