DLSS చిత్ర నాణ్యతను ప్రభావితం చేస్తుంది కాని ఎన్విడియా త్వరగా స్పందించడం

DLSS పోలిక

దీర్ఘకాలంగా ఎదురుచూస్తున్న మెట్రో: ఎక్సోడస్ ఆట చివరకు ఇక్కడ ఉంది, రే-ట్రేసింగ్ మరియు డీప్-లెర్నింగ్ సూపర్-సాంప్లింగ్ (DLSS) తో. ఇంకా, యుద్దభూమి 5 DLSS ని అనుమతించే నవీకరణను పొందింది. ఎన్విడియా యొక్క RTX సిరీస్ చివరకు సరిగ్గా ప్రకాశింపజేయడానికి ఆట స్థలాన్ని కనుగొంటుంది. RTX లైన్ కార్డులలోని టెన్సర్ కోర్ల యొక్క మొత్తం పాయింట్ ప్రతిబింబాలను మెరుగుపరచడం మరియు ఆటలను మరింత “లైఫ్‌లైక్” గా మార్చడం. దీన్ని సాధించడానికి, కార్డులు రే-ట్రేసింగ్ వంటి గ్రాఫిక్స్ సెట్టింగులను తారుమారు చేస్తాయి. అయితే, ప్రారంభించిన వెంటనే, ఈ సెట్టింగ్‌లు పనితీరును గణనీయంగా ప్రభావితం చేస్తాయని మేము కనుగొన్నాము.

ఎన్విడియా దీన్ని అర్థం చేసుకుంది మరియు అప్పటికే ఒక పరిష్కారం కోసం పనిచేస్తోంది. ఆ పరిష్కారం DLSS. DLSS తో, ఆటలు నమూనాలు మరియు పోకడల నుండి సమర్థవంతంగా “నేర్చుకోగలవు” మరియు చిత్రాన్ని తిరిగి సృష్టించడానికి విలువైన కంప్యూటింగ్ పనితీరును ఉపయోగించకుండా భవిష్యత్ ఉపయోగం కోసం ఆ డేటాను నిల్వ చేయగలవు. DLSS వంటి లక్షణం అధిక ఫ్రేమ్‌రేట్‌లను నిర్వహించడానికి మరియు అధిక రిజల్యూషన్ల వద్ద మరింత ఆడటానికి ఆటను అనుమతిస్తుంది. ఏదేమైనా, గేమర్స్ ఇప్పటివరకు అందుకున్న DLSS చేతిలో కొంచెం సమస్య ఉంది.

క్షణంలో DLSS తో సమస్య

లక్షణంతో గేమర్స్ ఎదుర్కొంటున్న సమస్య ఏమిటంటే, లక్షణం ప్రారంభించబడినప్పుడు ఇది చిత్ర నాణ్యతను వక్రీకరిస్తుంది లేదా నాశనం చేస్తుంది. ఇది డేటా కాష్ చేయబడిన విధానంతో సమస్య కాదా లేదా ఇంకేదో ఎన్విడియా కనుగొని పరిష్కరించడానికి ఏదో ఒకటి. ప్రస్తుతానికి, మరింత ద్రవ గేమింగ్ అనుభవాన్ని నిర్వహించడానికి ఆటగాళ్ళు వ్యవహరించాల్సిన విషయం ఇది. సారాంశంలో, ఇది గ్రాఫిక్స్ కోసం పనితీరు యొక్క ట్రేడ్-ఆఫ్.

ఎన్విడియాలో డీప్ లెర్నింగ్ యొక్క టెక్నికల్ డైరెక్టర్, ఆండ్రూ ఎడెల్స్టిన్, పోస్ట్ చేశారు ఇది NVIDIA యొక్క వెబ్‌సైట్‌లో. అప్‌లోడ్ యొక్క లక్ష్యం సమస్య ఎందుకు ప్రబలంగా ఉందో వినియోగదారులకు బాగా అర్థం చేసుకోవడమే. DLSS ను 60 fps కంటే తక్కువ లేదా తక్కువ రిజల్యూషన్ల వద్ద ఉపయోగించాలని ఆయన అన్నారు, లేకపోతే, DLSS పనితీరును పెంచేదిగా నిరూపించదు. ఇంకా, ఇమేజ్ క్వాలిటీ సమస్యలకు సంబంధించినంతవరకు, ఇష్యూ నిర్ణీత సమయంలో పరిష్కరించబడుతుందని చెప్పారు.

లోతైన ఉపయోగం అల్గోరిథం అనేది భవిష్యత్ ఉపయోగం కోసం పరిస్థితిని అర్థం చేసుకోవడానికి మరియు పున ate సృష్టి చేయడానికి గణనీయమైన బేస్ డేటా అవసరం. అదే దృశ్యాన్ని దాని యొక్క స్పష్టమైన ప్రతిరూపాన్ని చేయడానికి ముందు అదే దృశ్యాన్ని వందల సార్లు విశ్లేషించాల్సిన అవసరం ఉంది. ఆండ్రూ తన అప్‌లోడ్‌తో ఫార్వార్డ్ చేయాలనుకున్నాడు. వాస్తవానికి, అల్గోరిథం యొక్క వేగాన్ని మరియు సామర్థ్యాలను విశ్లేషించడానికి ఎన్విడియా పనిచేస్తోంది. ఏదేమైనా, ఈ సమయంలో, మేము దీనికి ఎక్కువ సమయం ఇవ్వగలము మరియు అలాంటి ఉత్తీర్ణతతో అది మెరుగుపడుతుందని ఆశిస్తున్నాము.