有人工智慧加持，英偉達的圖形渲染技術會讓遊戲畫面變得更好嗎？

新技術的價值和影響並非總是迅速顯現。2018下半年的科隆遊戲展上，隨著英偉達推出RTX系列顯示卡出現的，還有一系列新圖形技術，其中光線追蹤技術成為大明星，通過近兩年間遊戲應用上充滿戲劇性的畫面對比效果廣為人知。


當時同期推出的DLSS（深度學習超級取樣）則失色不少。英偉達當時介紹，DLSS使用了時下流行的人工智慧來強化畫面表現，藉助RTX顯示卡的人工智慧計算核心（Tensor Core），渲染了更少的畫素，然後使用AI構建出更清晰、更高解析度的影象。


英偉達當時宣傳光線追蹤和人工智慧將改變遊戲圖形效果，但AI特性顯然不太讓人信服。
那時的DLSS尚為1.0版本，理念堪稱先進，但在實際使用上慘遭打臉，遭到群嘲。原因也很簡單，首先是推出以來支援DLSS的遊戲很少，玩家難以直接感受。另一方面，少數支援DLSS的遊戲，在測試中發現處理後的畫面反而更加模糊，在較低解析度上（通常是1080P）尤其明顯。

但經過一年改進後，英偉達最近更新的DLSS 2.0，讓人們對這項技術的看法大為改觀.在一些專業技術媒體的評測中，對於DLSS 2.0的評價大都是讚不絕口，英偉達也毫不謙虛地自稱，DLSS 2.0是“AI渲染領域的一大步。”讓人意識到，用AI提高遊戲畫質的時代，可能已經正式到來。


傳統的遊戲圖形中，除了光影效果（這是光線追蹤需要解決的問題），高解析度、高幀率的畫面呈現一直是軟硬體廠商需要考慮的首要問題，因為這關係到遊戲畫面的清晰、流暢。

但受限於硬體發展速度，想要無限增強畫面效果是不可行的，會造成渲染硬體不堪重負。無限制提高畫面表現，最後只能讓遊戲最後卡成“放幻燈片”。

這就是畫面和效能需求間的困境，一個例子是，效能已經非常頂級的RTX2080TI顯示卡和I9 9900K處理器，也很難跑得動4K、全特效的《荒野大鏢客2》。

4K解析度《荒野大鏢客2》渲染的畫素是1080P下的4倍，簡單計算就需要4倍算力，因此玩家投入相應的硬體資源——最直接的方式就是買上一塊好顯示卡。


DLSS 2.0正是無數圖形工程師在平衡畫面和效能需求上折中的結果。簡單來說，通過人工智慧/深度學習，DLSS 2.0直接把遊戲渲染的結果實現四倍超取樣，也就是說遊戲引擎只需要渲染一半或四分之一的畫素，就能得到更精細的遊戲畫面，通過這種方法渲染出的畫面，和原生解析度渲染相比幾乎沒有區別。


這種做法讓渲染解析度降低，有餘裕的硬體資源也就可以將算力放到遊戲的執行上，讓遊戲更流暢。比如在《機械戰士5：僱傭兵》中：


也可以讓遊戲畫面更精細，平常因為解析度所限，不能在遊戲中發現的各種細節元素可以輕鬆理解了，比如一些遊戲中海報、報紙等，而不再是一張模糊的貼圖：


動態的遊戲畫面產生的噪點也可以經由DLSS去除，像下圖的排氣風扇，我們可以看清扇葉後的鐵絲網。


是不是很神奇？

目前我們已經能在《機械戰士5：僱傭兵》、《控制》、《飛上月球》和《德軍總部：新血脈》四款遊戲中體驗到DLSS 2.0，虛幻4遊戲引擎也已經支援DLSS2.0。英偉達還表示，由於DLSS 2.0不再需要每個遊戲場景獨立訓練，未來加快將此技術引入到各種遊戲中。

值得一提的是，DLSS的另一個重要用途就是抗鋸齒，這也是最早期DLSS 1.0技術最重要的特性。


遊戲畫面有鋸齒，是因為螢幕通過正方形的畫素顯示畫面，在顯示傾斜圖形時，正方形的畫素在顯示上一定會出階梯狀的“毛刺”，這種毛刺被玩家戲稱為“狗牙”，是破壞畫面清晰體驗的大敵。

為了剔除這些“狗牙”，工程師們可以說是想盡辦法。為了使得畫面變得更為精細，要麼選擇提升畫面解析度，降低“鋸齒”大小，要麼選擇對畫素的顏色進行處理，減少相鄰畫面之間的顏色差異。


各種抗鋸齒技術效果各有不同，有的不吃顯示卡效能，有的既吃顯示卡又吃視訊記憶體。有的邊緣效果銳利，有的邊緣柔化但顯得真實，遊戲畫面的整體感會有質的提升，呈現一種電影質感。

例如，隨機取樣抗鋸齒(TAA) 是目前最常用的影象增強演算法之一，它提取畫面上一幀的資訊，來對遊戲鋸齒部分進行取樣和分析，創造出更柔和的邊緣。但TAA依賴演算法，最大的缺點是無法很好地解決運動狀態的模糊問題。

DLSS藉助深度神經網路，由英偉達的超級電腦對遊戲圖形進行訓練，通過不斷對比學習兩組影象（一組影象使用最高品質的抗鋸齒而另一組不採用）的畫質優劣，這個網路通過學習不斷強大，演算法得到微調，並最終學會自動化該過程，實現了接近最高品質的抗鋸齒效果，同時避免了運動模糊、重影等問題。


不難發現，DLSS其實就時下深度學習的典型訓練思路，而運用在我們的遊戲中。英偉達稱，DLSS有著優異的時間穩定性與影象清晰度，使用DLSS抗鋸齒的執行速度比使用傳統抗鋸齒技術的老GPU提升2倍。

但DLSS在早期實際運用上並不完美，正如前文所提到的那些原因，英偉達此前也承認該技術存在侷限，在低幀率和高解析度的遊戲畫面上效果更好，因為GPU的幀渲染時間長於執行DLSS模型所需的時間，處理難度更小，相當於DLSS的“簡單模式”。


在圖形領域，效能和畫質絕對是成反比的，要想要更好的畫質，一定要犧牲效能，因此需要折中。DLSS在提升畫質上的應用，讓“魚與熊掌兼得”成為可能，這是需要肯定的。

新技術的發展往往受到時間的制約，AI在圖形學的應用並非早期，如照片修復、“AI換臉”等，但在運用遊戲畫面上並改善畫質，仍是一個大膽的舉動。我們有理由期待DLSS會有更強大的效果，正如英偉達向我們提到的“作為一種AI演算法，DLSS在不斷地學習和提高。”DLSS 2.0今天證明了這一點。

作者：彭新
來源：介面
地址：https://www.jiemian.com/article/4199737.html