Deep Learning Super Sampling (DLSS) es una de las tecnologías más prometedoras de la nueva arquitectura gráfica Turing de Nvidia. Esta tecnología se basa en las capacidades de inteligencia artificial (IA) de las tarjetas gráficas de la compañía para mejorar el rendimiento de los videojuegos sin tener que aumentar la potencia bruta. Te contamos todos sobre el DLSS y cómo funciona.
Índice de contenidos
Los Tensor Core son el elemento fundamental de la arquitectura Turing para el funcionamiento del Deep Learning Super Sampling. Los Tensor Core de Nvidia son unos núcleos especiales que están diseñados para acelerar el cálculo de los múltiples matrices, las matemáticas que se utilizan comúnmente en los algoritmos de aprendizaje profundo y otros escenarios informáticos centrados en la inteligencia artificial.
Algunos de nuestros lectores se preguntarán por qué Nvidia ha decidido llevar esta función de nivel empresarial al sector de los videojuegos, pero la respuesta es bastante simple. Nvidia lleva mucho tiempo trabajando con capacidades de IA relacionadas con la reconstrucción de imágenes, y ha encontrado la forma de explotar esto en los videojuegos.
Te recomendamos la lectura de nuestro post sobre Qué es la rasterización y cual es su diferencia con el Ray Tracing
Nvidia usará el DLSS para hacer un reescalado de alta calidad en los juegos, esto significa que se renderizarán a una resolución menor a la final, lo que resultará en un mejor rendimiento. Por ejemplo, se podría renderizar una imagen a 2K y luego ampliarla a 4K usando las capacidades de DLSS, esto da como resultado una imagen con una calidad muy similar a una imagen 4K nativa, pero con un rendimiento mucho mayor.
La arquitectura Turing de Nvidia usa sus Tensor Core para Deep Learning Super Sampling en los juegos, lo que le permite a Nvidia ofrecer niveles similares de calidad de imagen como una presentación de resolución nativa con TAA, a la vez que ofrece un aumento significativo del rendimiento. Esto brinda a los usuarios de DLSS un aumento en el rendimiento que se estima en alrededor del 35-40%, actuando como una especie de “actualización de rendimiento gratuita» para los juegos que admiten el algoritmo Deep Learning.
Los Tensor Core de Nvidia se utilizarán para aumentar la claridad de los juegos con DLSS, reduciendo la potencia de cómputo requerida para procesar imágenes de alta resolución, ofreciendo el primer aumento de rendimiento hecho por AI de la industria. Con Deep Learning, Nvidia se podrán crear imágenes de alta resolución, los jugadores no notarán la diferencia respecto a una imagen renderizada a resolución nativa.
Nvidia ha declarado que planean crear otras tecnologías que puedan utilizar sus núcleos Tensor en los videojuegos. Cuando todo se conjugue, el sistema de flujo de trabajo simultáneo de Nvidia permitirá que se complete más trabajo computacional que nunca antes, paralelizando aún más el flujo de trabajo de la GPU.
Con Turing, Nvidia ha acumulado más poder de cómputo en una sola tarjeta gráfica que nunca, al mismo tiempo que diversifica la infraestructura de cómputo de tarjetas gráficas para habilitar nuevas características, forjando un camino en los dominios de Deep Learning y Ray Tracing en tiempo real.
La lista de videojuegos con soporte para Deep Learning Super Sampling es aún bastante reducida, pero irá aumentando a medida que pase el tiempo. Por ahora el listado de juegos compatibles es el siguiente:
Te recomendamos la lectura:
Con esto finaliza nuestro artículo especial sobre la novedosa tecnología Deep Learning Super Sampling, recuerda que puedes compartirlo en las redes sociales para que pueda ayudar a más usuarios que lo necesitan.
NVIDIA no solo da razones teóricas, sino fundamentos en forma de ofertas de todo GeForce…
Hace algunos meses salió una información que indicaba que las aceleradoras de IA Nvidia Blackwell…
Intel revela sus próximas aceleradoras Jaguar Shores, que van a llegar después del lanzamiento de…
