Das ist Marketingspeach, außerdem habe ich nie geschrieben dass DLSS SR kein AI nutzt. Es geht darum wo AI genutzt wird und das ist, wie schon beschrieben, beim Training des Algorithmus.
Wie soll das auch sonst funktionieren? Das Spiel rendert in einer geringeren Auflösung und die AI denkt sich den Rest dann aus, oder wie? Bei DLAA passiert dann was? Warum nutzt DLSS SR dann überhaupt die Informationen aus vorherigen Frames? Und und und. So viele Fragen
Ich breche das mal grob runter.
NV hat einen Cluster, welcher ein Künstliches Neuronales Netzwerk aufrecht erhält.
Dieses Netzwerk nimmt als Input niedrig aufgelöste Bilder und vergleicht diese mit den gleichen, hoch aufgelösten Bildern um zu lernen, was man der lowRes Variante hinzufügen muss um bei der highRes Variante zu landen.
Wenn man dieses Prozess nur lange genug ausführt und mit sehr viel Bildmaterial füttert erhält man ein Modell, welches mit einer besonders hohen Treffsicherheit schätzen kann, welche Bildinformationen in einem lowRes Frame fehlen, um auf einen highRes Frame zu kommen.
Dieses Modell packt man in den DLSS Treiber, welcher dann lokal auf einer GPU ausgeführt wird. Dieser Treiber/das Modell ist aber kein stupider Algorithmus, sondern eine Anleitung, welche abhängig vom Input mit hoher Wahrscheinlichkeit den korrekten Output erarbeitet (Inferencing).
Algorithmus: Wenn A, dann B.
Inferencing: Wenn A, wie wahrscheinlich ist B.
Dafür benötigt man spezifische Hardware, welche NV in Form der Tensor-Kerne implementiert hat. Die sind ausschließlich für Matrix-Multiplikationen zu gebrauchen und stützen das Inferencing.
Wäre DLSS ein simpler Algorithmus, dann könnte man es ja auch einfach auf Cuda Kernen laufen lassen und müsste nicht explizit spezielle HW implementieren.
Einfacher gesagt: NV erarbeitet im Cluster das "Wissen" wie man Frames skaliert und die Grafikkarte wendet das "Wissen" an, um Frames zu skalieren.
Das ist etwa vergleichbar damit, dass sich jemand aus einem Buch Wissen aneignet und dieses Wissen dann auf seine eigenen Problemstellungen anwendet. Damit folgt die Person dann auch nicht einem Algorithmus, sondern muss lokal abschätzen, wie dieses Wissen anzuwenden ist. Auch wenn von ihr selber keine Leistung erbracht wurde, um das Wissen aufzubauen, ist es intelligent, das Wissen spezifisch und korrekt anzuwenden.
Damit ist DLSS ein KI Scaler und ein DLSS Frame ein KI Bild.
Und die Informationen, welche DLSS aus dem vorherigen Frame nutzt sind Bewegungsvektoren. Dabei legt man Fixpunkte in den Frame und verfolgt deren Verlauf um abschätzen zu können, wo die jeweiligen Objekte im zukünftigen Frame sein müssten. Das ist unumgänglich, weil es sonst passiert, dass eine starke Diskrepanz zwischen Ist und Soll auftritt, was sich in Ghosting und Artefakten niederschlägt. Beispielsweise sieht man an Video-Modellen, welche keine Bewegungsvektoren zur Verfügung haben besonders gut, wie der Output darunter leidet.
