Créditos: Adrenaline

DLSS 2.0: a mudança de estratégia da Nvidia (e deu certo?)

Depois de um começo ruim, voltar à prancheta fez bem pra tecnologia RTX
Por Diego Kerber 18/04/2020 14:05 | atualizado 19/04/2020 19:31 Comentários Reportar erro

Recentemente a Nvidia anunciou o lançamento da segunda geração de uma de suas tecnologias RTX, o Deep Learning Supersampling. Ela chegou com uma proposta e tanto: melhorar os gráficos e ao mesmo tempo aumentar a performance, duas coisas que normalmente caminham em direções opostas. 

Para isso o plano era usar partes novas dos chips GeForce RTXs, os núcleos tensores, para usar machine learning no problema. Núcleos tensores não são exclusividade dos chips da Nvidia: praticamente todo novo chip para celular moderno está de olho em estruturas como essas para ações de inteligência artificial, como por exemplo identificar automaticamente cenas em uma foto.

O plano da Nvidia é usar esses núcleos tensores, ótimos nesse tipo de ciclo de processamento, para melhorar os gráficos e dar mais desempenho ao sistema. O plano é relativamente simples: ao invés de renderizar os frames na resolução final, daria para renderizar em um valor menor, algo que iria aumentar muito a performance do sistema, e deixar para os núcleos tensores e o aprendizado da máquina preencher os pixels adicionais até a resolução final. E olhando vídeos como esses abaixo, não há dúvida que havia potencial para isso no machine learning:

E a melhoria gráfica surgiria no processo. Enquanto normalmente precisamos usar uma técnica de supersampling para evitar o serrilhado das cenas, ou seja, renderizar a imagem em uma resolução maior e na redução acertar as bordas, o que consome performance, o aprendizado da máquina também "aproveitaria a viagem" e iria corrigir esse tipo de problema.

Mas teoria é uma coisa, e prática é outra, e o começo do DLSS não foi dos melhores. E primeiras implementações causaram efeitos negativos como perda de nitidez evidente. A tecnologia estava causando o mesmo efeito negativo de baixar a resolução, ou seja, algo estava dando errado nesse processo de preencher os novos pixels.

O novo DLSS

- Continua após a publicidade -

Na medida que íamos acompanhando novos lançamentos de games, e testando novamente a tecnologia DLSS, foi ficando evidente que melhorias estavam acontecendo. O próprio Metro Exodus recebeu um update que melhorou sensivelmente o resultado da tecnologia. Mas o salto apareceria em Wolfenstein Youngblood, foi a primeira implementação do DLSS que foi convincente, em nossos testes.

Várias coisas mudaram entre a versão fora de foco do DLSS e sua atual versão. A Nvidia mudou a abordagem e passou a usar um recurso muito comum em técnicas de antisserrilhado: o tempo. Ao decidir como preencher cada pixel, técnicas como o TXAA levam em consideração o quadro anterior e com isso conseguem imagens com movimentação mais suave e precisa.

O DLSS agora trabalha com o motor do jogo, usando vetores em baixa resolução do quadro em renderização e juntando informações como posição e movimento, aliando com dados do quadro anterior, e então tomando decisões sobre como preencher a imagem.

Mas isso foi só parte da equação. Para tomar essas decisões de como ampliar a imagem, a Nvidia precisou aprender como fazer a máquina aprender, e aí temos outro ponto fraco da primeira versão do DLSS. Nas primeiras implementações era preciso treinar o algoritmo para cada jogo, o que criava dificuldades imensas em pequenas coisas, como até decidir que cenas seriam usadas nesse treinamento, ou mesmo a necessidade de fazer todo um treinamento para cada jogo que quisesse utilizar o DLSS.

A nova rotina de treinamento da inteligência artificial é genérica, e não precisa mais ser direcionada para cada lançamento. Ela une duas fontes: uma imagem 1080p serrilhada do quadro e os vetores de movimento. 

A máquina amplia a imagem e corrige os serrilhados, e seu resultado é depois comparado com uma imagem em 16K de alta qualidade. Aí só só repetir isso uma dezena de milhares de vezes até o algoritmo começar a ser consistente e entregar bons resultados. Se quiser visualizar o que é o processo de aprendizado da máquina, esse vídeo abaixo mostra uma AI sendo treinada para correr em uma pista, com algoritmos mais eficientes sendo progressivamente refinados:

Mas chega de teoria. Dessa vez a prática deu certo também?

DLSS 2.0 testado

- Continua após a publicidade -

Colocamos a prova o novo recurso em dois games: Control e MechWarriors 5: Mercenaries. Além deles e de Wolfenstein YoungBlood, temos essa tecnologia implementada em Delivery us the Moon.

Para os testes, usamos dois cenários:

- Gigabyte GeForce RTX 2080 Ti Gaming OC: testamos os games rodando em qualidade Ultra em 4K
- Nvidia GeForce RTX 2060 Founders Edition: testamos os games em 1080p no Ultra

Começando por Control, comparamos uma cena feita em 4K versus algumas configurações disponíveis. Uma novidade do novo DLSS é que dá para configurar em diferentes escalas de qualidade e desempenho, e com isso dá para renderizar a imagem com metade da quantidade de pixels ou até mesmo 1/4. Uma imagem em 4K com o DLSS em 1/4, por exemplo, é renderizada em FullHD e ampliada pelo DLSS até 4K.

Abaixo a cena total, e logo na sequência o corte em 100% da imagem renderizada nativamente em 4K e uma com o DLSS em 1/2 aplicado:

A evolução é bem evidente já nesse primeiro comparativo. Cuidando especialmente dos detalhes, que era onde o DLSS mais falhava, a nova versão da tecnologia não apenas conseguiu manter os detalhes como, em alguns elementos, parece mais nítido que o jogo originalmente em 4K, culpa do acabamento bastante granulado e um tanto borrado do motor gráfico que a Remedy usa em seus games. Inclusive, nesse comparativo, leve em consideração os objetos na parede, porque a qualquer movimento da protagonista ela fica um tanto borrada, como dá pra notar no comparativo acima.

Agora indo além, colocamos lado a lado o game em 4K nativo e o DLSS em 1/4, vendo como a tecnologia se sai com a dura missão de quadruplicar o número de pixels da imagem renderizada:

O resultado é até um tanto intrigante. Dá para perceber uma piora em alguns serrilhados dos textos e outros detalhes, e alguns elementos até parecem ter perdido um pouco da clareza, como o texto ficando levemente bagunçado no poster do canto direito inferior. Mas, ao mesmo tempo, a imagem do DLSS parece mais nítida. Considerando que o quadro todo é aquela imagem inicial lá em cima, esses detalhes que estamos "encostando o nariz na tela para ver" tem alto potencial de "passar batido", e me arrisco a dizer que o DLSS e sua nitidez maior pode dar a sensação de maior qualidade gráfica que o jogo renderizado nativamente.

Na segunda rodada, vamos olhar o game novamente, mas agora com a RTX 2060. Como testamos recentemente, a placa é mais modesta e deve ser usada em 1080p para um consumidor querendo habilitar o Ray Tracing. Colocamos os três modos em ação nesse comparativo, renderizando em 1/2, 1/3 e 1/4 uma imagem para ampliar até 1080p. Fizemos o detalhe em 200% nos papéis na parte de trás para mostrar um elemento complexo para o antisserrilhado, e também porque como já comentamos, a protagonista do jogo não para quieta e o efeito de desfoque do jogo torna o comparativo praticamente inútil quando ela se move.

Mais uma vez temos um resultado bastante favorável ao DLSS, que mais uma vez parece ter aumentando a nitidez da imagem comparado o que o 1080p nativo faz. O efeito negativo é um aumento do serrilhado, mas sem dúvidas o resultado com maior nitidez é mais interessante apesar do efeito colateral. Outra coisa que impressiona é que mesmo usando o modo 1/4, o jogo ainda mantém os detalhes desses papéis nas paredes, nada mal para um jogo que está sendo renderizado em 990x540!

Agora olhando para a performance, aqui é que temos talvez o ponto mais alto do DLSS. Ele já mantém um nível de qualidade igual e até superior que a renderização nativa na resolução final, mas é o impacto em desempenho que faz toda a diferença:

Para atingir taxas de quadro acima dos 60fps, com RTX no máximo e o jogo no Ultra, ligar o DLSS não é uma opção, é obrigatório. Para a RTX 2060 já dá para usar no modo 1/2 e chegar perto dos 60 quadros por segundo, enquanto a RTX 2080 Ti o ideal é ir com o modo 1/4 se pretende manter tudo no Ultra e RTX no máximo e quer margem acima dos 60fps.

Também investigamos o MechWarrior 5, game que já chegou com o DLSS 2.0 disponível, e encaramos a configuraçãoem 4K/Ultra na RTX 2080 Ti e 1080p/Ultra na RTX 2060. Novamente, os resultados são bem parecidos com o que vimos em Control: bons resultados mesmo usando o modo performance, e no modo qualidade temos um aumento de desempenho e um nível de gráficos semelhante ou até levemente superior ao game renderizado na resolução nativa.

Conclusão

Dá para ficar otimista com os resultados que tivemos até agora com a nova implementação do DLSS. Wolfenstein Youngblood, MechWarrior 5 e Control temos um verdadeiro sonho de consumo, com um filtro que aumenta performance e qualidade gráfica ao mesmo tempo, ou ao menos entrega um nível de qualidade bem próximo.

Desde o lançamento da linha RTX nós destacamos como o DLSS parecia muito promissor, e enfim parece que as promessas estão sendo entregadas. O salto de desempenho que ele proporciona cria verdadeiros buracos no gráfico de performance, com saltos de uma RTX versus uma GTX, e mostra como esse é potencialmente um dos principais motivos para buscar as placas da série GeForce 20. Uma RTX 2060 é uns 15 a 20% melhor que a GTX 1660 Ti, mas essa proporção muda bastante se uma das placas dobra de desempenho.

Também é bom lembrar o quanto o DLSS é uma estratégia crucial para as placas RTX, já que é ele que viabiliza ativar o pesadíssimo Ray Tracing, e o ganho de performance através dessa técnica é indispensável para dar as margens para isso acontecer.

Agora é ver os lançamentos. Na ponta da Nvidia parece que está tudo em dia, com o DLSS mais fácil de ser treinado e implementado, inclusive já ganhando compatibilidade com motores relevantes com o a Unreal Engine 4, mas todo esse esforço só vai fazer valer a pena para os compradores das RTXs se nós tivermos uma quantidade expressiva de novos títulos implementando o recurso. Porque, sem dúvidas, ele faz toda a diferença.

Tags
  • Redator: Diego Kerber

    Diego Kerber

    Formado em Jornalismo pela Universidade Federal de Santa Catarina (UFSC), Diego Kerber é aficionado por tecnologia desde os oito anos, quando ganhou seu primeiro computador, um 486 DX2. Fã de jogos, especialmente os de estratégia, Diego atua no Adrenaline desde 2010 desenvolvendo artigos e vídeo para o site e canal do YouTube