AMD FidelityFX Super Resolution поддерживается видеокартами Radeon и GeForce

[kyon]

catdoom

я обсуждаю конкретные теоретические материалы, там текста много, а смысла конечно мало, больше смысла фанбойствовать и гнать отсебятину и домыслы, и про какие 1-2 фпс ты говоришь? 3080 и 3090 объективно имеют больше мощи, и вот как раз при включении DLSS и лучей это и видно и там далеко не 1-2 фпс. Поглядим какое мыльцо предложит АМД без тензоров.

[Haulr]

catdoom

я обсуждаю конкретные теоретические материалы, там текста много, а смысла конечно мало, больше смысла фанбойствовать и гнать отсебятину и домыслы, и про какие 1-2 фпс ты говоришь? 3080 и 3090 объективно имеют больше мощи, и вот как раз при включении DLSS и лучей это и видно и там далеко не 1-2 фпс. Поглядим какое мыльцо предложит АМД без тензоров.

А от и "нефонат" и показал свое лицо По итогу ты сел в лужу,т.к 6900хт хуже всего скейлится в 4к, но при этом в половине случаев умудряется даже обгонять 3090, в 1080р и 1440р у 3090 и шанса нет против 6900х. Выходит не работает белив в "А то что напрмер 6900ХТ сильно уступает в FP32 даже 3080 этого мы не знаем, FP32 между прочим это все современные игры." Выходит нефонат сказал глупость и обосрался? айайай
И да, привыкай к фиделити,т.к. длсс повторит судьбу г-синка

[kyon]

Haulr

спойлер

3090 > 6900XT



идет вровень и кое где отстает но там сцены совсем простенькие, я бы хотел видеть открытые пространства с большим кол-вом деталей



3090>6900XT



3090>6900XT


3090>6900XT

Более-менее больше у 6900ХТ только в Ларке, причем там она в каком-то очке сидит, да и в остальных играх в основном сцены простые, а то и вообще кат-сцены, я хотел бы видеть открытый мир с большим кол-вом деталей. Тут такое впечаление что тесты так подобраны чтобы вытянуть 6900ХТ, ведь она скейлится в 4к хуже же.

да, привыкай к фиделити,т.к. длсс повторит судьбу г-синка

это и есть типичное фанбойство, FSR еще и в помине нет и "билив" как раз у тебя что FSR будет лучше, не основанное ни на чем мнение, еще раз, я опираюсь на конкретную аналитику по 2 картам.

[Haulr]

Haulr

спойлер

3090 > 6900XT



идет вровень и кое где отстает но там сцены совсем простенькие, я бы хотел видеть открытые пространства с большим кол-вом деталей



3090>6900XT



3090>6900XT


3090>6900XT

Более-менее больше у 6900ХТ только в Ларке, причем там в каком-то очке она сидит, да и в остальных играх в основном сцены простые, а то и вообще кат-сцены, я хотел бы видеть открытый мир с большим кол-вом деталей. Тут такое впечаление что тесты так подобраны чтобы вытянуть 6900ХТ, ведь она скейлится в 4к хуже же.

да, привыкай к фиделити,т.к. длсс повторит судьбу г-синка

это и есть типичное фанбойство

Ох уж эти тесты не тесты... Чел, если твои ФП32 так роляли, то 6900хт была бы слабее 3080, не то что 3090, в любом сценарии, но по итогу в половине игр или на ровне или быстрее в 4к, а в 1440р и вовсе смеется. Так где твои хваленные ФП32 и почему они не дают буст?
Или ты это называешь победой? Тоже не оптимизировано под нвидию? Просто шакальный фреймрейт из пик на 3090. Сцена просто легкая видимо

[kyon]

Haulr

А теперь тесты там где Нвидиа оптимизирована и там где архитектура Ампер сильна, в 1440р как ты любишь, и в самом высоком качестве. 6900 ХТ зашакалила Тензоры и РТ и показывает шакальный фреймрейт.



А вот и Ларка





Конечно у 3090 шакальный фреймрейт, а у 6900ХТ не еще более шакальный. Вот это типичное фанбойство, обосрать конкурента, и самому обосраться

[1nsane]

Нету никакого там DirectML и никакие нейронки не участвуют в этом.

"не требует предварительного обучения нейросети" нвидиафилы уже всё перекрутили в верх дном и выплёвывают носом.

Дополню Ваш ответ небольшим эксурсом в нейросети и как они работают. Вы в конце поймете, для чего.
1. Сначала создается модель нейросети с ее уровнями, узлами, функциями узлов, и т. д. Она компилируется в готовую нейросеть, но пустую.
2. Дальше подготавливаются данные, которые скармливаются нейросети, и нейросеть таким образом тренируется (=обучается).
2.1 Этот процесс повторяется с варьированием вводных данных, а также параметров нейросети, пока ты не получишь желаемый результат.
3. Когда желаемый результат получен, ты можешь сохранить готовую модель натренированной нейросети для использования!

Под "не требует предварительного обучения нейросети" АМД имеет в виду, что технология представляет собой отдельно натренированную под конкретную игру модель нейросети, которую тебе не нужно тренировать самому. Все, что требуется - скамливать ей воодные данные и получать результат. Технология закидывает тебя на 3 пункт из описанных выше, тогда как первые два были проблемами разраба или самой АМД. Потому и "не требует предварительного обучения". Но сама нейросеть есть. Просто натренированная и уже готовая к использованию.

[zoog]

Просто натренированная и уже готовая к использованию.

На разных движках, моделях, текстурах и эффектах - одна модель?

[Zzz_rob]

Цікаво, наскільки швидко будуть адаптувати? В UE5 є схожа фіча на рівні рушія, називається TSR. Вона Platform-Agnostic. Зараз з DLSS 2 є десь 50+ проектів, але це ж все одно мало.

Ты хоть эти 50 проектов сыграл/открывал?

[pornbuild]

"не требует предварительного обучения нейросети" нвидиафилы уже всё перекрутили в верх дном и выплёвывают носом.

Дополню Ваш ответ небольшим эксурсом в нейросети и как они работают. Вы в конце поймете, для чего.
1. Сначала создается модель нейросети с ее уровнями, узлами, функциями узлов, и т. д. Она компилируется в готовую нейросеть, но пустую.
2. Дальше подготавливаются данные, которые скармливаются нейросети, и нейросеть таким образом тренируется (=обучается).
2.1 Этот процесс повторяется с варьированием вводных данных, а также параметров нейросети, пока ты не получишь желаемый результат.
3. Когда желаемый результат получен, ты можешь сохранить готовую модель натренированной нейросети для использования!

Под "не требует предварительного обучения нейросети" АМД имеет в виду, что технология представляет собой отдельно натренированную под конкретную игру модель нейросети, которую тебе не нужно тренировать самому. Все, что требуется - скамливать ей воодные данные и получать результат. Технология закидывает тебя на 3 пункт из описанных выше, тогда как первые два были проблемами разраба или самой АМД. Потому и "не требует предварительного обучения". Но сама нейросеть есть. Просто натренированная и уже готовая к использованию.

Зачем вообще придумали все эти сложности? На транзисторный бюджет которые отводятся для рейтрейсинга/длсс могли бы добавить еще больше обычных шейдеров - и прирост в нативе был бы еще более запредельным. Глядишь, а там и до заветных "4к/60фпс ультра" дошли бы.

[TJ-ua]

будет смешно когда внезапно "фирменная технология Nvidia DLSS" станет доступна на видеокартах прошлого поколения

[1nsane]

Просто натренированная и уже готовая к использованию.

На разных движках, моделях, текстурах и эффектах - одна модель?

Не факт. Скорее всего, модель под каждый тайтл чем-то будет отличаться - кол-вом узлов в уровнях и функицей активации.
Ну и да, конечно, с каждой моделью будет идти свой пакет натренированных данных (веса векторов между узлами).

Зачем вообще придумали все эти сложности? На транзисторный бюджет которые отводятся для рейтрейсинга/длсс могли бы добавить еще больше обычных шейдеров - и прирост в нативе был бы еще более запредельным. Глядишь, а там и до заветных "4к/60фпс ультра" дошли бы.

Я думаю, причин там много, и без подробностей мы далеки от каких-то существенных выводов)
И Вы недооцениваете скорость нейросетей. Это тренировать нейросеть на данных очень долго и ресурсозатратно. А вот получать результат от натренированной нейросети - потрясающе быстро. Для вычислительно техники это сродни простейшей математической операции. Может, поэтому лидерам индустрии и кажется, что получить апскейл от выдачи нейросети по ресурсам выгоднее, чем рендерить еще больше пикселей.
Ну и да, тензоры нвидии - скам. Спойлер: у них у самих же есть набор для разработчиков cudnn, который позволяет юзать куда-ядра в нейросетях как... тензоры)) (они же узлы, они же нейроны)
Так что их тензорные ядра - скорее всего просто урезанные куда, которые могут вычислять только список функций активации узлов (там тангенциальная функция в подавляющем большинстве и ее производные).

[zoog]

Не факт. Скорее всего, модель под каждый тайтл чем-то будет отличаться - кол-вом узлов в уровнях и функицей активации.
Ну и да, конечно, с каждой моделью будет идти свой пакет натренированных данных (веса векторов между узлами)

Если бы модели кормились битмапами - в теории возможно. Но тогда всякие ДЛСС/СС можно было бы реализовывать как обычный шнйдер, просто вставив его в конвеер. По-моему, там глубоко взаимодействие с движком - сеть знает, что такое объекты, их границы (то, для чего в основном суперсэмплинг и нужен),где текстуры и где спрайты-эффекты.

[1nsane]

Не факт. Скорее всего, модель под каждый тайтл чем-то будет отличаться - кол-вом узлов в уровнях и функицей активации.
Ну и да, конечно, с каждой моделью будет идти свой пакет натренированных данных (веса векторов между узлами)

Если бы модели кормились битмапами - в теории возможно. Но тогда всякие ДЛСС/СС можно было бы реализовывать как обычный шнйдер, просто вставив его в конвеер. По-моему, там глубоко взаимодействие с движком - сеть знает, что такое объекты, их границы (то, для чего в основном суперсэмплинг и нужен),где текстуры и где спрайты-эффекты.

Согласен, это бы объяснило очень многое. Технически это может быть CNN, обученная на текстурках, т. к. отслеживать объекты в рилтайме - настолько же затратно, как и сам суперсемплинг. Я бы склонился к тому, что это модель, обученная с использованием внутренних фалов игры, и объекты детектятся средствами самой нн, а не движок передает ей данные - уж слишком большие потери мощности были бы.

[zoog]

Движку передать данные о десятке-другом-ну-пусть-сотне объектов трудно? Тем более внутри своего же процесса.

[1nsane]

Движку передать данные о десятке-другом-ну-пусть-сотне объектов трудно? Тем более внутри своего же процесса.

Я думаю, дело не в затратах на "движок передает", а на затраты "нн обрабатывает переданное ей". Потому что это будет вмешательством в работу сети, которое влияет на ее выдачу. Вряд ли объект и его координаты - вводные данные для сети.
Хотя... кто знает. Технически можно и такое устроить. Запустить нейросеть и получить выдачу - предельно легко, дело пяти минут. А вот подобрать вводные данные правильно, чтобы еще и получить хорошую выдачу - совсем другое.