A marcha da tecnologia é inexorável e em nenhum lugar isso é mais verdadeiro do que no hardware gráfico. Todos os anos, os cartões ficam significativamente mais rápidos e trazem um novo conjunto de acrônimos para truques gráficos sofisticados.
Observando as configurações visuais dos jogos para PC, você encontrará uma salada de palavras que contém pepitas saborosas como MSAA, FXAA, SMAAe WWJD. OK, talvez não o último.
Se você é o proprietário sortudo de um novo cartão Nvidia GeForce RTX, agora também pode optar por ativar algo chamado DLSS. É a abreviação de Deep Learning Super Samplinge é uma grande parte dos recursos de hardware da próxima geração encontrados nas placas Nvidia RTX.
No momento da redação, apenas essas placas têm o hardware necessário para executar o DLSS:
O hardware específico em questão é chamado de núcleo "Tensor ", com cada modelo tendo um número diferente desses processadores especializados.
Os núcleos tensores são projetados para acelerar tarefas de aprendizado de máquina, das quais o DLSS é um exemplo. Se você não usa DLSS, essa parte do cartão permanece inativa. Isso significa que você não está usando toda a capacidade da sua nova GPU brilhante se o DLSS estiver disponível, mas permanecer desativado.
Mas há mais do que isso. Para entender o valor que o DLSS traz para a tabela, precisamos nos aprofundar brevemente em alguns conceitos relacionados.
Um desvio rápido para Resoluções internas e upscaling
TVs e monitores modernos têm o que é conhecido como um "nativo" resolução. Isso significa simplesmente que a tela possui um número específico de pixels físicos. Se a imagem que você está exibindo na tela for diferente da resolução nativa exata, ela deverá ser "redimensionada" para cima ou para baixo para ajustá-la.
Portanto, se você emitir um Imagem HD para um Exibição 4K, por exemplo, parecerá bastante irregular e irregular. Como se você tivesse ampliado muito uma foto digital. Na prática, no entanto, o vídeo HD fica bem em uma TV 4K, se bem que um pouco menos nítido do que as imagens 4K nativas. Isso ocorre porque a TV possui um hardware conhecido como "upscaler" que processa e filtra a imagem de baixa resolução para parecer aceitável.
O problema é que a qualidade do hardware de upscaling varia muito entre as marcas de exibição e modelos. É por isso que as GPUs geralmente vêm com sua própria tecnologia de dimensionamento.
Os consoles "profissionais" projetados para exibir em uma tela 4K apresentam uma imagem 4K nativa, para que não ocorra aumento de escala. Isso significa que os desenvolvedores de jogos têm controle total da qualidade final da imagem.
No entanto, a maioria dos jogos de console não é renderizada em uma resolução 4K nativa. Eles têm uma resolução "interna" mais baixa, o que coloca menos estresse na GPU. Essa imagem é então ampliada para ter a melhor aparência possível na tela de alta resolução usando a tecnologia de escala interna do console.
Com efeito, o DLSS é um método sofisticado que renderiza um jogo para PC em uma resolução menor que a nativa e, em seguida, usa a tecnologia DLSS para aprimorá-lo para o monitor conectado. Em teoria, isso leva a um aumento significativo no desempenho.
Embora pareça muito com o que está acontecendo nos consoles 4K, o DLSS é realmente algo especial. Tudo graças ao "aprendizado profundo".
Sobre o que é o "Deep Learning"?
O aprendizado profundo é uma técnica de aprendizado de máquina que usa uma rede neural simulada. Em outras palavras, uma aproximação digital de como os neurônios do seu cérebro aprendem e criam soluções para problemas complexos.
É a tecnologia que, entre outras coisas, permite que os computadores reconheçam rostos e permite que os robôs entendam e naveguem pelo mundo ao seu redor. Também é responsável pelos recentes lançamentos de deepfakes. Esse é o molho secreto do DLSS.
As redes neurais exigem "treinamento", que basicamente mostra os exemplos líquidos de como algo deve ser. Se você quiser ensinar à rede como reconhecer um rosto, mostre-lhe milhões de rostos, deixando-o aprender os recursos e padrões que compõem um rosto típico. Se aprender a lição corretamente, você poderá mostrar qualquer imagem com uma face e ela será capturada instantaneamente.
O que a Nvidia fez foi treinar seu software de aprendizado profundo em imagens incrivelmente de alta resolução dos jogos que suportam DLSS. A rede neural aprende como o jogo “deveria” parecer quando renderizado usando o desempenho gráfico no nível do computador. teria parecido se um computador muito, muito mais poderoso do que o seu tivesse renderizado a cena. Se isso lhe parece um pouco de magia negra, você não está sozinho!
Quando usar o DLSS
Primeiro de tudo, você pode apenas use DLSS em jogos compatíveis, que é uma lista que cresce rapidamente, felizmente. Cada título também possui seus próprios requisitos para DLSS, como renderização em uma resolução mínima, porque é nisso que a rede neural foi treinada.
No entanto, o grande cérebro da Nvidia não para de aprender e o recurso DLSS no seu cartão continuará recebendo atualizações, expandindo o suporte e a qualidade por título.
A melhor maneira de descobrir se você deve usar o DLSS em seus jogos é: globo ocular o resultado. Compare-o ao upscaling ou anti-aliasing tradicional para ver o que é mais agradável. O desempenho também é um fator decisivo importante. Se você está segmentando 60 quadros por segundo, mas não consegue chegar lá, o DLSS é uma boa escolha.
Se você estiver obtendo altas taxas de quadros, o DLSS pode realmente atrasar as coisas. Isso ocorre porque os núcleos dos tensores precisam de um tempo fixo para processar cada quadro. No momento, eles não conseguem fazê-lo com rapidez suficiente para reproduzir com alta taxa de quadros.
Essencialmente, o DLSS é mais útil ao usar um tela de alta resolução (por exemplo, resoluções 4K, ultra-wide ou 1440p) com uma taxa de quadros desejada em torno de 60 quadros por segundo. Também é incrivelmente útil ao ativar o outro truque principal dos cartões RTX - rastreamento de raios. O DLSS pode compensar muito bem a perda de desempenho do traçado de raios, com um resultado final às vezes espetacular.
É o mínimo que você precisa saber antes de decidir usar o DLSS ou não. Lembre-se de que essa tecnologia está mudando rapidamente; portanto, se você não gostar dos resultados hoje, volte em alguns meses e você poderá finalmente se surpreender.