Und das ist dann echtes Neural Redering und keine Post Processing Filter.
Beides ist eine Form des neural renderings und die Unterscheidung zwischem "echtem" und "falschem" beruht auf den gleichen Missverständnissen welchen ihr schon längere Zeit konsequent aufsitzt.
In beiden Fällen werden neuronale Netze genutzt und es wird mit klassischen mathematischen Exaktheit-Berechnungen gebrochen. Die Netze sind nur kleiner und auf einzelne Aufgaben innerhalb der Grafikpipeline getrimmt, der Unterschied liegt nur im workflow und der Integration.
Geht es nach PCGH_Thorsten wird dort der "Reifen" lediglich auf Mikro-Ebene also beispielsweise beim Erzeugen von Mip-Maps, ergänzt. Ob ich nun konsequent auf allen Ebenen neural rendering nutze oder am Ende das fertige 2D Bild+ motion vectors und weitere Engine-Inputs nehme und verarbeite, spielt für die Definition keine Rolle.
Und um jetzt den finalen Schlag gegen Thorstens Argumentation mit seiner Logik ins Feld zu führen:
Mit jedem zusätzlichen Netz in der Kette verliert der Entwickler die traditionelle "Kontrolle", die "KI" pfuscht ihm an jeder einzelnen Station ins Handwerk. Stichwort Dezentralisierung?
Bei DLSS5 hat der Entwickler also die "volle Kontrolle" über die 3D-Welt bis das Bild ohne neural rendering fertig ist, bei einer verteilten Pipeline ist der Entwickler machtlos, wenn sich die Fehler kaskadenartig hochschaukeln...
Zu behaupten, eine Grafik sei "echt", wenn 10 "kleine" KIs im Hintergrund "heimlich" die Geometrie und Texturen "zusammenwürfeln", aber "unecht", wenn eine "große" KI am Ende die Pixel ordnet, ist reine Psychologie.
Und es bleibt auch dabei: In keinem Fall ist es ein "Filter", sondern Bildsynthese.
Verwechsle nicht die Hardware-Anforderungen für das Training von KI mit denen für die Ausführung.
Korrekter Einwand.
Aber wenn man bedenkt, was AR-Filter heute schon mit der Leistung eines simplen Smartphones hinbekommen, dann erscheint das hier geschriebene weit unter RTX 5090 möglich zu sein, zumindest was die eigentlichen Berechnungen angeht.
Ein AR-Filter nutzt nur ein kleines neuronales Netz um markante Punkte im Gesicht auf 2D-Basis zu tracken, den Rest erledigt eine darauf angepasste, vorgefertigte Maske die auf das erzeugte 3D Mesh gesetzt wird. Neuronales Rendering baut dir eine ganze 3D-Szene Pixel für Pixel generativ auf. Dafür wird eine 5090 niemals ausreichend sein. Der AR-Filter zeigt wenn dann, dass Objekterkennung auf Smartphones ganz flott läuft.
.
