Nvidia, gerçek zamanlı olarak ultra gerçekçi işleme gerçekleştirebileceğini iddia ettiği yapay zeka destekli bir bilgisayar grafik teknolojisini duyurdu; bu, oyunlara hareket kalitesinde görseller getirebileceği anlamına geliyor. Bu yeni Nvidia Gerçek Zamanlı Sinirsel Görünüm Modelleri teknoloji, standart yönteme kıyasla render performansını 12 kat ile 24 kat arasında artırabilir.

Yeni teknoloji, gerçek zamanlıya yakın görüntü işleme sağlamak için en iyi grafik kartı rehberimizdeki daha güçlü Nvidia seçeneklerinden bazılarını gerektirecek, ancak potansiyel olarak PC oyun grafiklerinde yeni bir seviyeye doğru atılmış büyük bir adım.

Tekniğin özü, oldukça karmaşık bir modeli işlemenin geleneksel yollarını alıp onu bir sinir ağıyla değiştirmesidir. Özellikle, normal işleme için bir model, gölgelendirme grafiği adı verilen bir dizi işleme adımıyla tanımlanır ve bu, farklı geometri oluşum türlerinin birden fazla uygulamasını, birden fazla yüzey ve yüzey altı dokuyu, aydınlatma tekniklerini ve daha fazlasını içerebilecek özelliklere sahiptir.

Nvidia, yeni nöral malzemeleriyle bu girdi dokularını ve işleme prosedürlerini yorumluyor ve bu adımların çıktısını çok daha hızlı bir zaman diliminde simüle edebilen bir nöral ağ üretiyor.

nvidia gerçek zamanlı sinirsel görünüm modelleri yöntemi

Tekniğin özü, aşağıdaki videoda ayrıntılı olarak açıklanan üretken gizli dokulu nesneler tekniğine benziyor. Özünde, gölgelendirme grafiği tekniğinin birden fazla sabit adımını, normalde birden fazla adımda bulunabilecek birkaç temel bilgi parçasını tek bir dokuya dahil eden tekil sinir dokularıyla değiştiriyor.

YouTube Küçük Resmi

Tam olarak nasıl çalıştığına bakılmaksızın, Nvidia’nın performans iddiaları kesinlikle etkileyici. Şirket, bu yeni teknolojinin en az 12 kat performans artışı sağladığını ve 24 kata kadar daha hızlı renderlemenin mümkün olduğunu iddia ediyor. Hangi açıdan bakarsanız bakın bu çok büyük bir sıçrama.

nvidia gerçek zamanlı sinirsel görünüm modelleri lod

Dahası, sonuçlar gerçekten muhteşem görünüyor. Nvidia, tekniğin “oyunlar ve canlı önizlemeler gibi gerçek zamanlı uygulamalarda film kalitesinde görsellerin kullanılmasına kapı açtığını” ilan ediyor ve en azından görsel kalite açısından tartışamayız.

Nvidia’nın sağladığı test render sahnelerinin nöral materyaller versiyonu, geleneksel olarak render edilmiş versiyonlardan neredeyse ayırt edilemez. Model ayrıca ölçeklenebilir olduğundan kullanıcılar ihtiyaçlarına bağlı olarak farklı ayrıntı düzeyleri seçebilirler.

Ancak, özellikle oyun söz konusu olduğunda birkaç belirgin dezavantajı var. Birincisi, bu teknolojinin özellikle gerçekten üst düzey görseller yapmayı hedeflemesi ve geleneksel işleme göre çok daha hızlı olmasına rağmen, bu ayrıntı düzeyi hala oyunlar için şu anda kullanılması mantıklı olan kapsamın biraz dışında. Bir sahnede çarpıcı görünümlü tek bir çaydanlığa sahip olmak güzel ve iyi, ancak sahnenin geri kalanının tamamını da işlemeniz gerekiyor.

nvidia gerçek zamanlı sinirsel görünüm modelleri algoritması

İkinci faktör, burada odak noktasının ışın izlenen görüntüleme olması, bu nedenle potansiyel kazanımlar yalnızca ne kadar hızlı çalışabileceklerinin sınırlarını zorlayan oyunlar için geçerlidir. Ayrıca, buradaki performans artışının, sahnenin bir bütün olarak ne kadar hızlı işlendiğiyle değil, sürecin bu belirli adımının ne kadar hızlı çalıştığıyla ilgili olması da dikkat çekicidir. Işın izleme, akıllıca işlenmiş, yüksek ayrıntılı nesnelerde bile hala hesaplama açısından çok pahalıdır.

Son faktör, DLSS gibi bunun da Nvidia’nın Tensor çekirdeklerinden faydalanan tescilli bir teknik olması ve herhangi bir sinirsel işlem çekirdeğinde kullanıma açık bir sistem olmamasıdır. AMD gibi şirketlerin FSR ile yaptığı gibi bir kez daha açık bir eşdeğeri tasarlamasının ne kadar mümkün olduğu henüz belirsizdir ancak bunun bir olasılık olmasını umuyoruz.

Nvidia’nın daha önceki yapay zeka destekli grafik yenilikleri hakkında daha fazla bilgi edinmek için Nvidia DLSS rehberimize göz atın veya AMD’nin rakip FSR teknolojilerinin Nvidia’nın tescilli yükseltme ve kare oluşturma sistemleriyle nasıl mücadele ettiğini öğrenin.



oyun-2