El anti-aliasing temporal ( TAA ) es una técnica de anti-aliasing espacial para videos generados por computadora que combina información de fotogramas anteriores y del fotograma actual para eliminar las irregularidades en el fotograma actual. En TAA, cada píxel se muestrea una vez por fotograma, pero en cada fotograma la muestra se encuentra en una ubicación diferente dentro del píxel. Los píxeles muestreados en fotogramas anteriores se combinan con los píxeles muestreados en el fotograma actual para producir una imagen anti-aliasing. Aunque este método hace que TAA logre un resultado comparable al supermuestreo , la técnica inevitablemente causa imágenes superpuestas y borrosas en la imagen. [1]
Antes del desarrollo de TAA, MSAA era la técnica de anti-aliasing dominante. MSAA muestrea (renderiza) solo los bordes de los polígonos, luego promedia las muestras para producir el valor de píxel final, lo que lo hace sorprendentemente eficiente en escenarios limitados por GPU . Por el contrario, TAA muestrea información de fotogramas anteriores y actuales, lo que hace que TAA sea más rápido que MSAA, pero a menudo da como resultado artefactos . En partes de la imagen sin movimiento, TAA calcula efectivamente MSAA en varios fotogramas, pero no siempre logra la misma calidad que este último. [ opinión ]
Tanto TAA como FXAA muestrean cada píxel solo una vez por cuadro, pero FXAA no tiene en cuenta los píxeles muestreados en cuadros anteriores, por lo que FXAA es más simple y rápido, pero no puede lograr la misma calidad de imagen que MSAA [ opinión ] o TAA. FXAA también se destaca en la limpieza del aliasing
Se puede muestrear los píxeles en una posición diferente en cada fotograma añadiendo una "vibración" por fotograma al renderizar los fotogramas. La "vibración" es un desplazamiento 2D que desplaza la cuadrícula de píxeles, y sus magnitudes X e Y están entre 0 y 1. [2] [3]
Al combinar píxeles muestreados en fotogramas anteriores con píxeles muestreados en el fotograma actual, se debe tener cuidado de no mezclar píxeles que contengan objetos diferentes, lo que produciría imágenes superpuestas o artefactos de desenfoque de movimiento. Las diferentes implementaciones de TAA tienen diferentes formas de lograr esto. Los métodos posibles incluyen:
El DLSS de Nvidia funciona con principios similares a los de TAA. Al igual que TAA, utiliza información de fotogramas anteriores para producir el fotograma actual. A diferencia de TAA, DLSS no muestrea cada píxel de cada fotograma. En cambio, muestrea diferentes píxeles en diferentes fotogramas y utiliza píxeles muestreados en fotogramas anteriores para completar los píxeles no muestreados en el fotograma actual. DLSS utiliza el aprendizaje automático para combinar muestras en el fotograma actual y en fotogramas anteriores, y puede considerarse como una implementación avanzada de TAA. [4] [5]