إنفيديا شرحت مبدأ DLSS 5: النظام يحتاج فقط إلى إطار 2D ومتجهات حركة

فتحت Nvidia الصندوق الأسود المحيط بـ DLSS 5 قليلاً. وفقاً لجاكوب فريدمان، لا يتلقى النظام مشهداً ثلاثي الأبعاد كاملاً: بدلاً من ذلك، يتلقى إطاراً عادياً ثنائي الأبعاد تم تصييره بالفعل من قبل اللعبة وموجهات حركة الكائنات.

ما يتلقاه DLSS هذا توضيح مهم لجميع النقاشات حول كيفية عمل تحسين دقة

الذكاء الاصطناعي بالضبط "يرسم" البكسلات المفقودة. يتخيل الكثيرون DLSS كنموذج يرى العالم كله للعبة تقريباً على مستوى المحرك. من الناحية العملية، المخطط أكثر إحكاماً بكثير.

تصيّر اللعبة أولاً الإطار بدقة أقل، ثم تمرره إلى DLSS مع خريطة حركة، التي تشير إلى كيف تتحرك الكائنات والمناطق الفردية في الصورة من إطار إلى آخر. بناءً على هذا الأساس، تعيد الشبكة العصبية بناء صورة أكثر تفصيلاً. يشرح هذا النهج لماذا يمكن للتكنولوجيا أن تزيد الوضوح بشكل ملحوظ دون إعادة حساب كاملة للمشهد بالدقة الأصلية.

لا يحتاج النموذج إلى إعادة بناء هندسة العالم أو استقبال جميع البيانات الداخلية للمحرك. يعمل كنظام إعادة بناء: يبحث عن الأنماط، ويطابق الإطار الحالي مع حركة العناصر، ويتنبأ بكيف يجب أن تبدو النتيجة النهائية بدقة أعلى. هذا بالضبط لماذا يظل DLSS مرتبطاً ارتباطاً وثيقاً ليس فقط بالشبكة العصبية نفسها، بل أيضاً بمدى دقة تحضير اللعبة البيانات المصدرية.

"يتلقى DLSS 5 إطاراً ثنائي الأبعاد وموجهات حركة كمدخل".

لماذا تحتاج موجهات الحركة موجهات الحركة هي جزء أساسي من هذا المخطط.

تشير إلى أين وبأي سرعة تتحرك الكائنات بين الإطارات المجاورة. بدونها، كان على الذكاء الاصطناعي أن يخمن بشكل أعمى تقريباً أين يجب أن تكون يد الشخصية، إلى أين انزلقت الظل، أو كيفية متابعة خط رقيق على كائن يتحرك بسرعة. كلما كانت هذه البيانات أكثر دقة، كلما بدت الصورة أكثر استقراراً في الديناميكية، عندما يدور اللاعب الكاميرا، أو يقود بسرعة عالية، أو يشارك في تبادل إطلاق نار مع الكثير من المؤثرات على الشاشة.

من الناحية العملية، هذا يوفر عدة مزايا ملحوظة: وضوح أعلى للتفاصيل الدقيقة دون تصيير كامل بالدقة الأصلية رفرفة أقل على الخطوط الرقيقة والأسلاك والعشب والكائنات البعيدة صورة أكثر استقراراً في الحركة، وليس فقط على لقطة ثابتة تحسينات في الأداء، لأن اللعبة لا تحتاج إلى حساب كل بكسل بأقصى جودة من هذا يتبع أيضاً التبعية العكسية: إذا قامت اللعبة بتشكيل سيء لموجهات الحركة، ستعاني النتيجة النهائية أيضاً. لذلك، يتم تحديد جودة DLSS ليس من قبل نموذج Nvidia "السحري" الفردي، بل من خلال مزيج من الخوارزمية والمحرك والتنفيذ المحدد في لعبة معينة.

أين حدود الطريقة يفيد شرح Nvidia أيضاً في أنه يضع حدوداً للتوقعات.

DLSS 5 لا "يعرف" المشهد بالطريقة التي يعرفها محرك اللعبة نفسه. لا يستقبل نموذجاً ثلاثي الأبعاد كاملاً من العالم بحجمه الكامل، مما يعني أنه في أي حالة معقدة يعتمد على معلومات غير كاملة، وإن كانت مفيدة جداً. من هنا تأتي الأنماط النموذجية المألوفة لمستخدمي تقنيات إعادة البناء: ضبابية العناصر الدقيقة، مسارات على الحدود المتناقضة، أو عدم الاستقرار في الإطارات ذات الحركة المعقدة جداً، والشفافية، والعديد من المؤثرات الصغيرة.

في الوقت نفسه، من المهم عدم الخلط بين إعادة البناء والرسم العشوائي. معنى DLSS هو بالضبط أن النظام يعتمد على بيانات حقيقية من اللعبة، وليس فقط "يتخيل" فوق الصورة. لكن شرح فريدمان يظهر: حتى أقوى ذكاء اصطناعي هنا يبقى معتمداً على جودة الإطار المصدر والبيانات الوصفية للخدمة.

بعبارة أخرى، DLSS 5 ليس زراً لـ "جعله جميلاً من لا شيء"، بل هو حل وسط متقدم بين الأداء والجودة البصرية.

ماذا يعني هذا بالنسبة للاعبين والمطورين، هذه إشارة مفيدة: القوة

الرئيسية لـ DLSS 5 ليست الوصول إلى بعض السحر ثلاثي الأبعاد المخفي، بل القدرة على إعادة بناء صورة بكفاءة أكبر من مجموعة محدودة من البيانات. كلما حضرت اللعبة الإطار وموجهات الحركة بشكل أفضل، كانت النتيجة أكثر إقناعاً. وبالتالي فإن السباق على جودة الرسومات بالذكاء الاصطناعي يعتمد بشكل متزايد ليس فقط على نموذج Nvidia، بل أيضاً على انضباط الاستوديوهات نفسها عند دمج التكنولوجيا.