در مطلب منتشر شده در سایت سخت افزار، به این اشاره کردیم که AMD به طور محسوس وارد حوزه ردیابی پرتو در نسل جدید کارت گرافیکهای خود شده و حالا خبر جدیدی منتشر شده که نشان میدهد، انویدیا هم علاقه زیادی برای کار کردن روی پروژه ردیابی پرتو در کارتهای گرافیک دارد. رقابت AMD با انویدیا در ردیابی پرتو باعث جذابتر شدن رقابت میان دو این شرکت و همچنین ارائه تکنولوژیهای جدید خواهد شد.
در حال حاضر، انویدیا با ترکیب قدرت سختافزاری، ویژگیهای پیشرفته و شناخت برند، بازار کارت گرافیک را در دست دارد. فناوریهای هوش مصنوعی و یادگیری ماشینی این شرکت تأثیرگذاری بسیاری داشته و AMD تاکنون نتوانسته در بازار مصرفکننده همسطح انویدیا باشد، اما برنامه دارد که این وضعیت را به زودی تغییر دهد.
طبق گزارش GPUOpen، شرکت AMD بر روی تحقیقاتی متمرکز شده تا بتواند ردیابی پرتوهای لحظهای را در پردازندههای گرافیکی RDNA خود با استفاده از شبکههای عصبی بهدست آورد. انویدیا از DLSS برای افزایش وضوح تصویر با هوش مصنوعی استفاده میکند، اما DLSS اکنون شامل سه نسخه متفاوت است: DLSS 2 برای بزرگنمایی تصویر، DLSS 3 برای تولید فریم، و DLSS 3.5 برای بازسازی پرتوها. تحقیقات AMD بیشتر بر حذف نویز با شبکههای عصبی تمرکز دارد تا بتواند نویز تصاویر که ناشی از تعداد محدود پرتوها در ردیابی پرتوهای لحظهای است را کاهش دهد.
ردیابی پرتو به طور معمول نیازمند هزاران یا حتی دهها هزار پرتو برای هر پیکسل است که استاندارد طلایی در فیلمسازی محسوب میشود و گاهی چندین ساعت زمان برای رندر هر فریم میبرد. در این روش، صحنه با محاسبات متعدد پرتوها بازتاب میشود، به طوری که تغییرات کوچک در مسیر پرتوها میتواند رنگ پیکسلها را تغییر دهد. این فرایند با تکرار و جمعآوری نتایج به کیفیت مطلوب میرسد.
منابع فوق سنگین برای اجرای ردیابی پرتو
برای اجرای ردیابی پرتو بهصورت لحظهای، تعداد نمونهها بهطور چشمگیری کاهش مییابد که باعث ایجاد نویز میشود؛ زیرا بسیاری از پرتوها به برخی پیکسلها نمیرسند و این موضوع منجر به روشنایی ناقص میشود که نیاز به حذف نویز دارد. حتی در فیلمها از الگوریتمهای حذف نویز سفارشی استفاده میشود، چرا که حتی هزاران نمونه هم خروجی بدون نقص را تضمین نمیکند.
AMD قصد دارد این مشکل را با شبکه عصبیای که همزمان حذف نویز و بازسازی جزئیات صحنه را انجام میدهد، حل کند. راهحل انویدیا به دلیل حفظ جزئیات، که در روشهای سنتی زمان بیشتری میبرد، مورد تحسین قرار گرفته و AMD امیدوار است که با بازسازی جزئیات با تعداد کم نمونهها برای هر پیکسل، به نتایجی مشابه دست یابد.
نوآوری AMD در این است که حذف نویز و بزرگنمایی را در یک شبکه عصبی واحد ادغام میکند. به گفتهی AMD، این روش “تصاویری با کیفیت بالا و بدون نویز را در وضوحی بالاتر از وضوح رندر شده برای ردیابی پرتوهای لحظهای تولید میکند. این کار فرایند را یکپارچه کرده و به AMD اجازه میدهد که بهجای چندین الگوریتم حذف نویز و بزرگنمایی، تنها از یک مرحله برای دستیابی به این نتایج استفاده کند.
این تحقیق ممکن است به نسخه جدیدی از FSR (فناوری بزرگنمایی وضوح FidelityFX) منجر شود که ممکن است از لحاظ عملکرد و کیفیت تصویر به سطح Nvidia برسد. فناوریهای DLSS Nvidia به سختافزارهای AI اختصاصی در پردازندههای RTX و همچنین شتابدهنده Optical Flow برای تولید فریم در سری RTX 40 و بعد از آن نیاز دارند.
برتری AMD نسبت به انویدیا
پردازندههای گرافیکی فعلی AMD عمدتاً از شتابدهندههای AI بهرهمند نیستند، یا مانند RDNA 3، شتابدهندههای AI دارند که منابع اجرایی را با شیدرهای کارت گرافیک به اشتراک میگذارند اما برای پردازشهای AI بهینهسازی شدهاند. هنوز مشخص نیست که آیا AMD میتواند شبکه عصبی حذف نویز و بزرگنمایی را بر روی کارت گرافیکهای فعلی خود اجرا کند یا نیاز به واحدهای پردازشی جدید (مانند واحدهای تنسور) دارد. اگر این کار بر روی سختافزارهای فعلی انجام شود، این احتمال وجود دارد که نسخه آینده FSR بر روی تمام پردازندههای گرافیکی قابل اجرا باشد، هرچند ممکن است محدودیتهایی از نظر کیفیت و سایر جنبههای الگوریتم وجود داشته باشد.
باید منتظر باشیم تا ببینیم AMD در نهایت چه ارائه خواهد داد. رویکرد جدید در ردیابی پرتو و بزرگنمایی عصبی میتواند گرافیک با کیفیت بالا را برای طیف گستردهتری از سختافزارها به ارمغان بیاورد، اما با توجه به نیازهای فعلی ردیابی پرتو در بازیها (مانند Alan Wake 2 ،Black Myth Wukong و Cyberpunk 2077 RT Overdrive)، AMD احتمالاً نیاز به سختافزاری بسیار سریعتر از محصولات فعلی خود برای دستیابی به کیفیت بالاتر تصویر دارد. و همچنین انویدیا رقیب اصلی این شرکت در دستیابی به فناوری ردیابی پرتو محسوب میشود.
مطالب مرتبط:
توسط 
توسط 
متاسفانه یک قدم عقب تر از انویدیا هست تو این زمینه. البته تو بقیه زمینه ها هم یه قدم عقب تر هست ازش.