انویدیا در حال حاضر به لطف ترکیبی از عملکرد، ویژگی‌ها و شناخت برند، بر بازار پردازنده‌های گرافیکی تسلط دارد. هوش مصنوعی (هوش مصنوعی) و فناوری‌های مبتنی بر یادگیری ماشینی پیشرفته آن به‌ویژه قوی‌تر شده‌اند و AMD واقعاً به‌خصوص در بازار مصرف‌کننده موفق نشده است. اما این شرکت امیدوار است که به زودی آن را تغییر دهد.
با توجه به پستی در GPUOpen، تحقیقات AMD در حال حاضر بر روی دستیابی به ردیابی مسیر در زمان واقعی در GPUهای RDNA از طریق راه حل های شبکه عصبی متمرکز شده است. انویدیا از DLSS خود برای ارتقاء تصویر با هوش مصنوعی استفاده می‌کند، اما DLSS به معنای بسیار بیشتر از «نمونه‌گیری فوق‌العاده یادگیری عمیق» است – ارتقاء مقیاس DLSS 2، تولید فریم DLSS 3 و بازسازی پرتو DLSS 3.5 وجود دارد. جدیدترین تحقیقات AMD بر روی حذف نویز عصبی برای پاک کردن تصاویر پر نویز ناشی از استفاده از تعداد محدودی از نمونه‌های پرتو در ردیابی مسیر واقعی – اساساً بازسازی پرتو، تا جایی که می‌توانیم بگوییم، متمرکز است.
ردیابی مسیر معمولاً از هزاران یا حتی ده ها هزار محاسبه اشعه در هر پیکسل استفاده می کند. این استاندارد طلایی و فیلم هایی است که معمولاً به ساعت ها در هر فریم رندر شده نیاز دارند. در واقع، یک صحنه با استفاده از پرش های محاسبه شده رندر می شود، جایی که حتی یک تغییر جزئی در مسیر طی شده می تواند منجر به رنگ پیکسل متفاوت شود. این کار را زیاد انجام دهید و تمام نمونه های به دست آمده را برای هر پیکسل جمع آوری کنید و در نهایت کیفیت نتیجه تا حد قابل قبولی بهبود می یابد.
برای انجام ردیابی مسیر در زمان واقعی، تعداد نمونه ها در هر پیکسل باید به شدت کاهش یابد. این منجر به نویز بیشتر می شود، زیرا پرتوهای نور اغلب به پیکسل های خاصی برخورد نمی کنند و منجر به روشنایی ناقص می شود که نیاز به حذف نویز دارد. (اتفاقاً در فیلم‌ها از الگوریتم‌های حذف نویز سفارشی نیز استفاده می‌شود، زیرا حتی ده‌ها هزار نمونه نیز خروجی کاملی را تضمین نمی‌کنند.)
AMD قصد دارد این مشکل را با یک شبکه عصبی برطرف کند که در حین بازسازی جزئیات صحنه، نویز زدایی را انجام می دهد. راه حل انویدیا به دلیل حفظ جزئیاتی که رندر سنتی برای دستیابی به آن زمان بسیار بیشتری نیاز دارد، مورد ستایش قرار گرفته است. AMD امیدوار است با بازسازی جزئیات مسیریابی شده با چند نمونه در هر پیکسل به دستاوردهای مشابهی دست یابد.
نوآوری در اینجا این است که AMD افزایش مقیاس و حذف نویز را در یک شبکه عصبی واحد ترکیب می کند. به گفته خود AMD، رویکرد آن‌ها «تصاویر حذف‌شده و سوپرنمونه‌شده با کیفیت بالا با وضوح نمایشگر بالاتر از وضوح رندر برای ردیابی مسیر بلادرنگ تولید می‌کند». این فرآیند را یکپارچه می‌کند و به روش AMD اجازه می‌دهد تا چندین حذف‌کننده مورد استفاده در موتورهای رندرینگ به‌علاوه ارتقاء مقیاس در یک پاس را جایگزین کند.
این تحقیق به طور بالقوه می تواند منجر به نسخه جدیدی از FSR AMD (FidelityFX Super Resolution) شود که ممکن است با استانداردهای عملکرد و کیفیت تصویر Nvidia مطابقت داشته باشد. فناوری‌های DLSS انویدیا به سخت‌افزار اختصاصی هوش مصنوعی روی پردازنده‌های گرافیکی RTX، همراه با یک شتاب‌دهنده جریان نوری برای تولید فریم در پردازنده‌های گرافیکی سری RTX 40 (و بعد از آن) نیاز دارند.
پردازنده‌های گرافیکی فعلی AMD عموماً فاقد ویژگی‌های شتاب هوش مصنوعی هستند، یا در مورد RDNA 3، شتاب‌دهنده‌های هوش مصنوعی وجود دارند که منابع اجرایی را با سایه‌زن‌های GPU به اشتراک می‌گذارند، اما به روشی بهینه‌تر برای بارهای کاری هوش مصنوعی. چیزی که مشخص نیست این است که آیا AMD می‌تواند یک شبکه عصبی را برای حذف نویز و افزایش مقیاس بر روی پردازنده‌های گرافیکی موجود اجرا کند یا اینکه به خوشه‌های پردازشی جدید (یعنی واحدهای تانسور) نیاز دارد. دستیابی به این امر در سخت افزار موجود به طور بالقوه به یک تکرار FSR در آینده اجازه می دهد تا در تمام GPU ها کار کند، اما ممکن است کیفیت و سایر جنبه های الگوریتم را نیز محدود کند.
ما باید منتظر بمانیم و ببینیم که AMD در نهایت چه چیزی را ارائه می کند. یک رویکرد اصلاح‌شده برای ردیابی مسیر عصبی و ارتقاء مقیاس می‌تواند گرافیک قابل دسترس و با وفاداری بالا را به طیف وسیع‌تری از سخت‌افزار بیاورد، اما با توجه به الزامات ردیابی مسیر در بازی‌ها (نگاه کنید به: Alan Wake 2، Black Myth Wukong، و Cyberpunk 2077 RT Overdrive) ، ما گمان می کنیم که AMD برای دستیابی به سطوح بالاتری از وفاداری تصویر به سخت افزار بسیار سریع تری نسبت به محصولات موجود نیاز دارد.
مرجع اخبار سخت افزار کامپیوترایران
تحریریه Techpowerup
