Nvidia ディレクターがゲーム用人工知能に焦点を当てた DLSS 5 アーキテクチャについて詳しく説明

ビジュアル テクノロジ業界は、次世代の画像再構成ツールに関する Nvidia 首脳陣の最近の声明に従っています。同社は、ニューラル ネットワークを使用してフレーム レートを向上させ、複雑なデジタル アプリケーションのビジュアル品質を向上させるディープ ラーニング スーパー サンプリングの最新バージョンの新しい技術的側面について説明しました。

ソフトウェアの新しいバージョンでは、機械学習アルゴリズムへの依存がレンダリング プロセスの中核に直接組み込まれています。メーカーの主な目標は、最新のグラフィックス カードに必要な生の処理負荷を軽減し、負荷の高いタスクを実行するときに物理コンポーネントがより優れた熱効率とエネルギー効率で動作できるようにすることです。

開示された情報は、ピクセルが生成され、オペレーティング システムによって解釈される方法の変更を示しています。従来のアップスケーリングのみに焦点を当てるのではなく、このツールは以前のトレーニング データに基づいてシナリオ全体を予測および再構築し、ビジュアル ソフトウェア開発のダイナミクスを変えます。

ニューラルアーキテクチャと画像処理

新しいシステムの技術的基盤は、複数の動きベクトルと深度データを同時に分析するように設計された、大幅に拡張されたニューラル ネットワーク アーキテクチャにあります。フレーム生成とレイ再構成を連続プロセスとして扱った以前のバージョンとは異なり、新しいバージョンでは総合的なアプローチが提案されています。このアルゴリズムは、シーンのジオメトリ、光源、マテリアル物理学をリアルタイムで評価し、グラフィックス エンジンによってフレームが完成する前であっても視覚的な補正を適用します。これには、ビデオ メモリと処理コア間の非常に高速な通信が必要です。

もう 1 つの関連する技術的側面は、画像再構成技術における慢性的な問題である、高速シーンでの視覚的なアーティファクトに対処するシステムの能力です。このメーカーは、不規則な動きのシナリオや、煙や動的反射などの微粒子に焦点を当て、大幅に大量のデータを使用して新しい基本モデルをトレーニングしました。人工知能は、誤差を減らして複雑なオブジェクトの軌道を予測できるようになり、最終的な画像がプロのシミュレーターや仮想現実アプリケーションに必要な時間的一貫性を確実に維持できるようになりました。

スーパーサンプリング技術の歴史

人工知能を使用してグラフィックス パフォーマンスを向上させるというコンセプトは、数年前からハードウェア市場で商業的な注目を集め始めました。テンソル処理専用のコアを備えた第一世代のボードの導入は、業界におけるこの技術移行の始まりとなりました。

ソフトウェアの初期バージョンでは、アプリケーションごとに特定のトレーニングが必要であったため、開発スタジオによる大規模な導入は制限されていました。その後のアップデートにより、個別トレーニングの必要性がなくなり、より多用途で実装が簡単なジェネラリスト人工知能モデルが作成されました。

中間世代ではフレーム全体を生成する機能が導入され、中央ユニットからの追加処理を必要とせずに視覚的な流動性が倍増しました。この技術は、世界中の高性能ハードウェア消費者に新しい標準を設定しました。

最新のアップデートにより、同社は従来の視覚的ノイズ低減手法に代わって、人工知能レイ再構成を実装しました。第 5 世代への飛躍により、これらすべての機能が単一の連続的なニューラル処理ストリームに統合されることが約束されています。

ビジュアルハードウェア市場における紛争

同社の継続的な進歩は、他の半導体企業との激しい技術紛争のシナリオの中で行われています。 AMD は、機能するために専用のハードウェアを必要としないオープンソース ソリューションへの取り組みを維持し、幅広いデバイスやデスクトップ コンソールとの互換性を保証します。

インテルは、グラフィックス処理市場でハイブリッド戦略を採用する独自のツールの改良を続けています。市場シェアをめぐる争いにより、すべての企業は、より効率的な製品を消費者に提供するために研究開発サイクルを加速する必要があります。

新しいバージョンの戦略は、ニューラル処理の総当りによって独自のソリューションをオープンソースの代替ソリューションから遠ざけることを目的としています。要求の厳しい消費者は、付加価値の高いこれらの独占テクノロジーへのアクセスを保証するために、ブランド カードの取得を優先することになります。

新世代の技術要件

より複雑なニューラル アルゴリズムの実装により、前世代のグラフィックス カードとの互換性について疑問が生じます。必要な処理は、コンポーネント市場で入手可能な最新の Tensor コアのメモリ帯域幅と動作​​速度に大きく依存します。

過去に製造された機器には、処理のボトルネックを発生させずに新しい命令を実行するために必要な物理アーキテクチャが備わっていない可能性があります。最も高度な予測再構成機能はメーカーの最新製品ラインに限定される可能性が高く、ハードウェアのアップグレードが促進されます。

開発エンジンとの統合

アップスケーリング テクノロジーの有効性は、プログラマーがそれをデジタル プロジェクトにどれだけ簡単に統合できるかによって決まります。同社は、市場の主要なグラフィック エンジンの作成者と直接協力して、ネイティブ プラグインと詳細な技術ドキュメントをスタジオに提供しています。

この簡素化された統合により開発時間が短縮され、ソフトウェア リリースの初日からツールが正しく動作することが保証されます。この実装では、グラフィックス エンジンが動きベクトルに関する正確なデータを人工知能に提供し、深刻な視覚的アーティファクトを回避する必要があります。

計算処理の再構築

新しいテクノロジーの主な約束は、単純な美的改善を超え、グラフィックスを多用するアプリケーションを実行する際の計算リソースの割り当て方法の完全な再構築に焦点を当てています。従来のレンダリング パイプラインでは、グラフィックス カードは処理サイクルのほとんどを、モニターのネイティブ解像度での個々のピクセルの色と照明の計算に費やします。このプロセスは、リアルタイム レイ トレーシングの採用により指数関数的に複雑になります。最終解像度の責任を人工知能に移すことで、システムはグラフィックス処理ユニットが内部でオリジナルのサイズの数分の一でシーンをレンダリングできるようになります。この計算能力の大幅な節約により、ボードはより複雑な物理シミュレーション、プレイアブルではないキャラクターの人工知能、および非常に詳細なグローバル イルミネーション システムを計算できるようになります。実際の結果として、開発者は許容可能なフレーム レートを達成するために仮想世界の幾何学的複雑さを妥協する必要がなくなりました。このテクノロジーは力を倍増するものとして機能し、ミッドレンジのハードウェアで産業グレードの機器が必要となる視覚的な結果を提供できるようになり、ハードウェア消費の経済性を根本的に変え、没入型でフォトリアリスティックな仮想環境を作成するための新しいパラダイムを確立します。

ソフトウェア業界による受け入れ

ソフトウェア クリエーターが新しいテクノロジーを受け入れるかどうかが、ビジュアル テクノロジー市場での長期的な成功を決定します。大規模スタジオはすでに最新のツールを導入する意欲を示しており、高予算のリリースで可能な限り最高のビジュアル品質を提供しようとしており、ニューラル レンダリングが今後数年間のグラフィック進化の中心的な柱であり続けることを保証します。