Comparación DLSS
El tan esperado juego Metro: Exodus finalmente está aquí, con Ray-Tracing y Deep-Learning Super-Sampling (DLSS). Además, Battlefield 5 ha recibido una actualización que permite DLSS. La serie RTX de Nvidia finalmente está encontrando un campo de juego para brillar adecuadamente. El objetivo de los núcleos Tensor en la línea de tarjetas RTX era mejorar los reflejos y hacer que los juegos fueran más 'realistas'. Para lograr esto, las tarjetas manipulan configuraciones de gráficos como Ray-Tracing. Sin embargo, poco después del lanzamiento, descubrimos que estas configuraciones afectan el rendimiento de manera significativa.
Nvidia entendió esto y ya estaba trabajando en una solución. Esa solución es DLSS. Con DLSS, los juegos podrían 'aprender' de manera efectiva de patrones y tendencias y almacenar esos datos para presentarlos para un uso futuro en lugar de usar un rendimiento informático precioso para recrear la imagen. Una función como DLSS permite que el juego mantenga velocidades de cuadro más altas y sea más jugable a resoluciones más altas. Sin embargo, el DLSS que los jugadores han recibido hasta ahora tiene un pequeño problema.
El problema con DLSS en este momento
El problema al que se enfrentan los jugadores con la función es que distorsiona o arruina la calidad de la imagen cuando la función está habilitada. Si eso es un problema con la forma en que se almacenan en caché los datos o algo más, es algo que NVIDIA debe descubrir y corregir. Por el momento, es algo con lo que los jugadores tienen que lidiar para mantener una experiencia de juego más fluida. En esencia, entonces, es la compensación del rendimiento por los gráficos.
El director técnico de aprendizaje profundo de NVIDIA, Andrew Edelstien, publicado esta en el sitio web de NVIDIA. El objetivo de la carga era ayudar a los usuarios a comprender mejor por qué prevalecía el problema. Dice que DLSS estaba destinado a utilizarse a una velocidad inferior a 60 fps y a resoluciones más altas; de lo contrario, DLSS no demostrará ser un gran aumento del rendimiento. Además, en lo que respecta a los problemas de calidad de imagen, dijo que el problema se solucionará a su debido tiempo.
Un algoritmo de aprendizaje profundo es aquel que requiere una cantidad significativa de datos base para comprender y recrear una situación para uso futuro. Es posible que deba analizar la misma escena cientos de veces antes de poder hacer una réplica clara como el cristal. Quizás eso es lo que Andrew deseaba adelantar con su carga. Por supuesto, NVIDIA está trabajando para mejorar la velocidad y las capacidades de análisis del algoritmo. Sin embargo, mientras tanto, solo podemos darle más tiempo y esperar que mejore con el paso de los mismos.
Etiquetas hardware nvidia RTX
