El anti-aliasing de aprendizaje profundo ( DLAA ) es una forma de anti-aliasing espacial creado por Nvidia . [1] El DLAA depende y requiere núcleos Tensor disponibles en las tarjetas Nvidia RTX. [1]
El DLAA es similar al súper muestreo de aprendizaje profundo (DLSS) en su método de anti-aliasing, [2] con una diferencia importante siendo que el objetivo del DLSS es aumentar el rendimiento a costa de la calidad de la imagen, [3] mientras que la principal prioridad del DLAA es mejorar la calidad de la imagen a costa del rendimiento (independientemente de la ampliación o reducción de la resolución). [4] El DLAA es similar al anti-aliasing temporal (TAA) en que ambos son soluciones de anti-aliasing espacial que se basan en datos de cuadros anteriores. [3] [5] En comparación con el TAA, el DLAA es sustancialmente mejor cuando se trata de brillo, parpadeo y manejo de mallas pequeñas como cables. [6]
DLAA recopila datos de renderización del juego, como datos de entrada de baja resolución, vectores de movimiento , buffers de profundidad e información de exposición . DLAA utiliza esta información para mejorar su anti-aliasing, con el objetivo de reducir la inestabilidad temporal.
TAA se utiliza en muchos videojuegos y motores de juegos modernos ; [7] sin embargo, todas las implementaciones anteriores han utilizado alguna forma de heurística escrita manualmente para evitar artefactos temporales como imágenes superpuestas y parpadeos . Un ejemplo de esto es la fijación de vecindad que evita forzosamente que las muestras recopiladas en fotogramas anteriores se desvíen demasiado en comparación con los píxeles cercanos en fotogramas más nuevos. Esto ayuda a identificar y corregir muchos artefactos temporales, pero eliminar deliberadamente detalles finos de esta manera es análogo a aplicar un filtro de desenfoque y, por lo tanto, la imagen final puede aparecer borrosa cuando se utiliza este método. [8]
DLAA utiliza una red neuronal convolucional con codificador automático [9] entrenada para identificar y corregir artefactos temporales, en lugar de heurísticas programadas manualmente como se mencionó anteriormente. Debido a esto, DLAA generalmente puede resolver los detalles mejor que otras implementaciones de TAA y TAAU, al mismo tiempo que elimina la mayoría de los artefactos temporales.
Mientras que DLSS maneja el aumento de escala con un enfoque en el rendimiento, DLAA maneja el suavizado de bordes con un enfoque en la calidad visual. DLAA se ejecuta en la resolución de pantalla dada sin funcionalidad de aumento o reducción de escala. [10]
DLSS y DLAA comparten el mismo método de suavizado controlado por IA. [11] Como tal, DLAA funciona como DLSS sin la parte de aumento de escala. Ambos están fabricados por Nvidia y requieren núcleos Tensor .
{{cite web}}: CS1 maint: nombres numéricos: lista de autores ( enlace )