Ris vs DLSS: quelle technologie de redimensionnement d'image est la meilleure?

Aujourd'hui, nous parlerons de la comparaison entre RIS vs DLSS , deux technologies liées à l'image d' AMD et de Nvidia , respectivement. Il est vrai que cette seconde a retenu plus l'attention d'une grande partie du public, mais il ne faut pas sous-estimer le Radeon Image Sharpening . Bien que leurs implémentations soient différentes, ce qui nous intéresse, c'est que leurs tâches sont similaires.

Au cas où vous vous poseriez la question, l'image principale de l'article est une comparaison d'images de Halo 2 vs Halo 2 Remastered. L'amélioration visuelle n'est pas due à l'un des deux logiciels, mais elle semble quelque peu liée à nous, car les deux technologies régénèrent et améliorent les cadres.

Index du contenu

Technologies de redimensionnement et de retouche d'image: RIS vs DLSS

Commençons par définir où sont les limites de ce dont nous parlons, non? Dans la comparaison RIS vs DLSS, il y a beaucoup de choses à considérer, mais ce qui nous intéresse le plus, c'est le but des deux programmes.

Ce qui est clair pour nous, c'est que Radeon Image Sharpening et Deep Learning Super Sampling sont des technologies de redimensionnement et d'amélioration d'image. Cependant, chacun a une implémentation différente.

Les deux technologies «réduisent» la taille de l'image à rendre, puis améliorent la qualité de l'image de sorte que ce changement ne soit pas perceptible.

• La première étape garantit que les graphiques et le processeur peuvent fonctionner avec beaucoup moins de charge de travail. Après tout, le rendu d'une image en 1080p est un travail beaucoup plus léger que le rendu en 4K . La deuxième étape est un algorithme qui «régénère» l'image afin qu'elle ne ressemble pas à 1080p, mais 4K, par exemple. Avec plus ou moins de succès, les deux algorithmes font ce travail difficile et (ou non) nous trompent les yeux.

Si le travail est bien fait, l'utilisateur bénéficie de fps plus élevés à égalité avec une qualité d'image identique. Dans le pire des cas, nous verrons des erreurs de calcul, des artefacts étranges et d'autres petits bugs.

Mais comme le disent certains sages, «le diable est dans les détails» . Tout comme les ailes d'une chauve-souris et les ailes d'un oiseau, RIS vs DLSS sont des technologies dont les tâches convergent le plus souvent, mais dont les moyens d'y parvenir divergent. Pour cette raison, nous parlerons individuellement de chaque implémentation ci-dessous.

Solution d'AMD : Radeon Image Sharpening

La technologie qu'AMD apporte sur le terrain est assez intéressante. Il est implémenté aux côtés de l'outil open source AMD Fidelity FX , ce qui signifie que tout jeu vidéo avec ce pack installé bénéficiera d' AMD RIS .

La section principale du Radeon Image Sharpening est l'algorithme de réglage adaptatif du contraste. Il a un nom étrange, mais il vient nous dire qu'il retouche et améliore les images les plus proches de l'appareil photo tout en retouchant à peine les arrière-plans. L'amélioration est perceptible dans certaines textures et la qualité globale de l'image est excellente.

Cependant, cette fonctionnalité peut être combinée avec une mise à l'échelle pour maximiser la puissance de nos composants. Dans certains titres comme Fornite, nous pouvons réduire la résolution pour projeter nativement.

Dans notre fenêtre (1920 × 1080, par exemple), nous pouvons avoir une résolution dans le jeu de 100% (1920 × 1080) ou 50% (960 × 540) . La réduction des pixels rend le travail beaucoup moins difficile et nous pouvons obtenir plus de fps, mais en échange l'image est compromise.

Pour cette raison, le mélange de la section de retouche visuelle avec une image réduite peut considérablement améliorer l'expérience de jeu.

Un autre point à noter est que cette technologie n'est disponible que pour les graphiques Navi et Polaris , mais pas dans tous les titres. Nous ne pouvons activer ces fonctionnalités que dans les jeux vidéo avec Fidelity FX et les API DirectX 9 (Navi uniquement), DirectX 12 ou Vulkan .

Ce n'est pas le meilleur qui soit, mais l'important est qu'il soit orienté vers l'avenir. La prochaine étape que l'équipe rouge souhaite entreprendre est d'offrir un support pour DirectX 11 .

Solution de Nvidia: Super échantillonnage d'apprentissage profond

La solution proposée par Nvidia est quelque peu différente. Il a été annoncé, testé et publié quelque temps avant sa compétition, mais cela ne le rend pas plus daté. En fait, nous dirions que c'est le contraire.

Le Deep Sampling Super Sampling est une technologie qui utilise le nouveau système qui utilise des cœurs d' intelligence artificielle des graphiques Nvidia RTX . La raison est assez claire: DLSS utilise un algorithme basé sur le travail d' une IA qui apprend. Cependant, ce n'est pas exactement le même algorithme que celui de Radeon Image Sharpening .

Dans le cas de DLSS , un supercalculateur est formé pour redimensionner les images.

• Au début, on vous donne des milliers d'images avec et sans anticrénelage et on vous demande d'apprendre à trouver les différences, puis on vous donne un ensemble d'images à moyenne ou basse résolution à redimensionner à haute résolution. Les images sont comparées et si le résultat est similaire, l'algorithme s'améliore. Cependant, s'il présente de sérieux bugs, les chercheurs le corrigent et tentent de faire générer à la machine de nouvelles règles pour mieux le faire.

Ce processus est répété des milliers ou des millions de fois sur plusieurs jours ou mois pour entraîner l' IA.

Il souligne que si RIS apporte des modifications pour améliorer l'image et redimensionne les images en arrière-plan, ici, c'est l'inverse. De plus, l'utilisation des réseaux de neurones permet à ce processus d'évoluer continuellement, ce qui rend le DLSS de mieux en mieux.

Voici une vidéo où ils comparent un algorithme de traitement d'image classique à un algorithme de test basé sur l' IA :

Cependant, il présente l'inconvénient de ne disposer de cette technologie que dans les graphiques Nvidia RTX . En ayant besoin des cœurs RT , aucun autre graphique ne peut offrir cette fonctionnalité.

De plus, pour introduire ce logiciel, nous ne pouvons pas simplement implémenter un outil, comme dans la compétition. Dans le cas du DLSS, chaque étude doit l' implémenter "manuellement" dans son code et pour chaque moteur graphique il y a plusieurs différences. Pour cette raison, DLSS n'est pas si facile à mettre en œuvre.

RIS vs DLSS:

Par conséquent, la conclusion la plus évidente que nous pouvons vous proposer est que les deux technologies réalisent des choses similaires, mais leurs tâches ne sont pas si similaires.

L'inconvénient est que les deux sont limités à leurs marques, il ne semble donc pas que nous pourrons voir une combinaison des deux dans un proche avenir. Malgré cela, utilisez la plateforme que vous utilisez, vous aurez une bonne technologie sur laquelle vous appuyer.

Aujourd'hui, le monde des composants s'agite et c'est bon pour les utilisateurs.

• Les processeurs ont connu un grand lancement qui a déstabilisé le grand Intel . D'un autre côté, AMD fait un pas sûr dans le domaine graphique. De plus, l'équipe bleue prépare ses graphiques discrets, donc personne ne sait ce qui va se passer.

Qui sait, peut-être qu'à l'avenir, nous pourrons voir RIS vs DLSS vs Intel Technology . Ou peut-être que nous pouvons voir une combinaison des deux ou trois technologies parce que la concurrence prend une autre teinte.

Quoi qu'il en soit, nous vous avons montré ici la majorité des différences entre ces deux technologies incroyables. Nous espérons que vous l'avez compris facilement et que vous avez appris quelque chose de nouveau. De plus, nous vous encourageons à lire et à rechercher des informations sur ces sujets, car ces nouvelles technologies sont basées sur des idées très intéressantes.

Et vous, pensez-vous qu'Intel va s'imposer comme le troisième concours de graphisme intégré? Selon vous, quelle technologie est meilleure RIS vs DLSS ? Partagez vos idées dans la boîte de commentaires.

AMD RISNvidia DLSS SourceNvidia DLSS FAQ