有AI加持 英伟达的图形渲染技术会让游戏画面变更好吗?

　　原标题：有人工智能加持，英伟达的图形渲染技术会让游戏画面变得更好吗？

　　编辑 |1

　　新技术的价值和影响并非总是迅速显现。2018下半年的科隆游戏展上，随着英伟达推出RTX系列显卡出现的，还有一系列新图形技术，其中光线追踪技术成为大明星，通过近两年间游戏应用上充满戏剧性的画面对比效果广为人知。

　　《我的世界》开启光线追踪效果。

　　当时同期推出的DLSS（深度学习超级采样）则失色不少。英伟达当时介绍，DLSS使用了时下流行的人工智能来强化画面表现，借助RTX显卡的人工智能计算核心（Tensor Core），渲染了更少的像素，然后使用AI构建出更清晰、更高分辨率的图像。

　　英伟达当时宣传光线追踪和人工智能将改变游戏图形效果，但AI特性显然不太让人信服。

　　那时的DLSS尚为1.0版本，理念堪称先进，但在实际使用上惨遭打脸，遭到群嘲。原因也很简单，首先是推出以来支持DLSS的游戏很少，玩家难以直接感受。另一方面，少数支持DLSS的游戏，在测试中发现处理后的画面反而更加模糊，在较低分辨率上（通常是1080P）尤其明显。

　　但经过一年改进后，英伟达最近更新的DLSS 2.0，让人们对这项技术的看法大为改观．在一些专业技术媒体的评测中，对于DLSS 2.0的评价大都是赞不绝口，英伟达也毫不谦虚地自称，DLSS 2.0是“AI渲染领域的一大步。”让人意识到，用AI提高游戏画质的时代，可能已经正式到来。

　　在游戏《飞向月球 （Deliver Us The Moon）》中，DLSS在多款GPU和不同分辨率下可将帧率提升至 1.6 倍以上：

　　传统的游戏图形中，除了光影效果（这是光线追踪需要解决的问题），高分辨率、高帧率的画面呈现一直是软硬件厂商需要考虑的首要问题，因为这关系到游戏画面的清晰、流畅。

　　但受限于硬件发展速度，想要无限增强画面效果是不可行的，会造成渲染硬件不堪重负。无限制提高画面表现，最后只能让游戏最后卡成“放幻灯片”。

　　这就是画面和性能需求间的困境，一个例子是，性能已经非常顶级的RTX2080 TI显卡和I9 9900K处理器，也很难跑得动4K、全特效的《荒野大镖客2》。

　　4K分辨率《荒野大镖客2》渲染的像素是1080P下的4倍，简单计算就需要4倍算力，因此玩家投入相应的硬件资源——最直接的方式就是买上一块好显卡。

　　即使是RTX2080 TI，跑动4K分辨率的《荒野大镖客2》也很吃力。

　　DLSS 2.0正是无数图形工程师在平衡画面和性能需求上折中的结果。简单来说，通过人工智能/深度学习，DLSS 2.0直接把游戏渲染的结果实现四倍超采样，也就是说游戏引擎只需要渲染一半或四分之一的像素，就能得到更精细的游戏画面，通过这种方法渲染出的画面，和原生分辨率渲染相比几乎没有区别。

　　更快的AI训练网络和适用于所有游戏的AI模型。

　　这种做法让渲染分辨率降低，有余裕的硬件资源也就可以将算力放到游戏的运行上，让游戏更流畅。比如在《机械战士5：雇佣兵》中：

　　开启DLSS后（右侧），同分辨率下，《机械战士5：雇佣兵》帧数更高。

　　也可以让游戏画面更精细，平常因为分辨率所限，不能在游戏中发现的各种细节元素可以轻松理解了，比如一些游戏中海报、报纸等，而不再是一张模糊的贴图：

　　在游戏《控制》中，开启DLSS后，墙上贴的海报可以看清文字。

　　动态的游戏画面产生的噪点也可以经由DLSS去除，像下图的排气风扇，我们可以看清扇叶后的铁丝网。

　　DLSS开启后，让玩家可以看到更多图像细节。

　　是不是很神奇？

　　目前我们已经能在《机械战士5：雇佣兵》、《控制》、《飞上月球》和《德军总部：新血脉》四款游戏中体验到DLSS 2.0，虚幻4游戏引擎也已经支持DLSS2.0。英伟达还表示，由于DLSS 2.0不再需要每个游戏场景独立训练，未来加快将此技术引入到各种游戏中。

　　值得一提的是，DLSS的另一个重要用途就是抗锯齿，这也是最早期DLSS 1.0技术最重要的特性。

　　游戏画面有锯齿，是因为屏幕通过正方形的像素显示画面，在显示倾斜图形时，正方形的像素在显示上一定会出阶梯状的“毛刺”，这种毛刺被玩家戏称为“狗牙”，是破坏画面清晰体验的大敌。

　　为了剔除这些“狗牙”，工程师们可以说是想尽办法。为了使得画面变得更为精细，要么选择提升画面分辨率，降低“锯齿”大小，要么选择对像素的颜色进行处理，减少相邻画面之间的颜色差异。

　　无抗锯齿和采用抗锯齿的效果，但下图的抗锯齿技术让图像更模糊了。

　　各种抗锯齿技术效果各有不同，有的不吃显卡性能，有的既吃显卡又吃显存。有的边缘效果锐利，有的边缘柔化但显得真实，游戏画面的整体感会有质的提升，呈现一种电影质感。

　　例如，随机采样抗锯齿（TAA） 是目前最常用的图像增强算法之一，它提取画面上一帧的信息，来对游戏锯齿部分进行采样和分析，创造出更柔和的边缘。但TAA依赖算法，最大的缺点是无法很好地解决运动状态的模糊问题。

　　DLSS借助深度神经网络，由英伟达的超级电脑对游戏图形进行训练，通过不断对比学习两组图像（一组图像使用最高品质的抗锯齿而另一组不采用）的画质优劣，这个网络通过学习不断强大，算法得到微调，并最终学会自动化该过程，实现了接近最高品质的抗锯齿效果，同时避免了运动模糊、重影等问题。

　　并不是所有人都拥有超级电脑，因此英伟达将训练过的数据包成一个小文件，通过驱动传输到玩家的电脑。

　　不难发现，DLSS其实就时下深度学习的典型训练思路，而运用在我们的游戏中。英伟达称，DLSS有着优异的时间稳定性与图像清晰度，使用DLSS抗锯齿的运行速度比使用传统抗锯齿技术的老GPU提升2倍。

　　但DLSS在早期实际运用上并不完美，正如前文所提到的那些原因，英伟达此前也承认该技术存在局限，在低帧率和高分辨率的游戏画面上效果更好，因为GPU的帧渲染时间长于执行DLSS模型所需的时间，处理难度更小，相当于DLSS的“简单模式”。

　　目前支持DLSS的游戏。

　　在图形领域，性能和画质绝对是成反比的，要想要更好的画质，一定要牺牲性能，因此需要折中。DLSS在提升画质上的应用，让“鱼与熊掌兼得”成为可能，这是需要肯定的。

　　新技术的发展往往受到时间的制约，AI在图形学的应用并非早期，如照片修复、“AI换脸”等，但在运用游戏画面上并改善画质，仍是一个大胆的举动。我们有理由期待DLSS会有更强大的效果，正如英伟达向我们提到的“作为一种AI算法，DLSS在不断地学习和提高。”DLSS 2.0今天证明了这一点。

责任编辑：李昂