英伟达目前在GPU市场中占据主导地位,这得益于在性能、功能和品牌认知度方面的综合优势。其先进的人工智能(AI)和基于机器学习的技术支持已得到认可,而AMD在这方面还没有真正迎头赶上,尤其是在消费市场中。但AMD希望很快改变这一局面。
根据GPUOpen上的一篇文章,AMD目前的研究集中在通过神经网络解决方案在RDNA GPU上实现实时路径追踪。英伟达使用自己的DLSS技术进行图像超采样,而DLSS现在不仅仅是“深度学习超采样”,还包括DLSS 2超采样、DLSS 3帧生成和DLSS 3.5光线重建。AMD的最新研究集中在神经去噪上,以清除使用有限光线样本进行实时路径追踪时产生的嘈杂图像,也就是我们所理解的光线重建。
路径追踪是一种渲染技术,它通常需要对每个像素进行数千甚至数万次的光线计算。这种方法是业界的黄金标准,常见于电影制作中,每渲染一帧图像往往需要耗费数小时。在路径追踪中,场景的渲染依赖于精确计算光线的反射和折射,即使是光线路径的微小变化也可能导致像素颜色的变化。通过大量计算并累积每个像素的结果样本,可以逐步提升图像质量,直至达到令人满意的效果。
为了在实时环境中进行路径追踪,必须显著降低每像素的光线样本数量。这种减少会导致图像噪点增多,因为光线未能触及所有像素,造成部分像素照明不均,从而需要进行去噪处理。在电影制作中,尽管使用了数以万计的样本,也无法保证输出的完美无瑕,因此也会采用特定的去噪算法。
AMD旨在通过一个神经网络来解决这个问题,该网络在重建场景细节的同时进行去噪。Nvidia的解决方案受到赞誉是因为保留了传统渲染需要更长时间才能实现的细节。AMD希望通过每像素几个样本重建路径追踪细节,获得类似的增益。
神经超采样和去噪工作流程(图片来源:GPUOpen)
这项创新在于AMD将超采样和去噪结合在一个单一的神经网络中。用AMD自己的话来说,他们的方法“为实时路径追踪生成比渲染分辨率更高的高质量去噪和超采样图像。”这种方法统一了过程,允许AMD的方法替换渲染引擎中使用的多个去噪器,并且在一次通过中完成超采样。
这项研究可能会推动AMD的FSR(FidelityFX Super Resolution)技术发展出新版本,有望与Nvidia的性能和图像质量标准相媲美。Nvidia的DLSS技术需要在RTX GPU上配备专用的AI硬件,同时在RTX 40系列(及以后)GPU上引入光流加速器以生成帧。
AMD目前的GPU普遍缺乏AI加速功能,或者在RDNA 3的情况下,存在AI加速器与GPU着色器共享执行资源,但这种方式对于AI工作负载更为优化。目前尚不清楚AMD是否可以在现有GPU上运行用于去噪和超采样的神经网络,或者是否需要新的处理集群(即张量单元)。在现有硬件上实现这一点可能会允许未来的FSR迭代在所有GPU上工作,但也可能限制算法的质量和其它方面。
我们可以期待一下AMD最终会提供什么。改进的神经路径追踪和上采样方法可能会使得更广泛的硬件能够提供高保真图形,但考虑到游戏(如《艾伦·韦克2》、《黑神话:悟空》和《赛博朋克2077 RT超速模式》)中路径追踪的需求,我们怀疑AMD需要比现有产品更强大的硬件来实现更高水平的图像质量。