По словам инженера AMD, результаты FSR с точки зрения внедрения и приема говорят сами за себя

Несмотря на то, что технология пространственного апскейлинга FidelityFX Super Resolution (FSR) от AMD была запущена менее четырех месяцев назад, на сегодняшний день она уже поддерживается более чем в 20 играх, в дополнение к неофициальным реализациям.

В интервью Digital Foundry, технический директор AMD Ник Тибьероз заявил, что результаты внедрения и приема FSR среди разработчиков говорят сами за себя.

FSR 1.0 является результатом обширных исследований AMD, в которых несколько групп изучали различные решения с использованием различных базовых технологий апскейлинга. Учитывая поставленные цели, мы решили выпустить FSR 1.0, поскольку, как мы знаем, он понравился большому количеству разработчиков и геймеров, которые хотят иметь возможность наслаждаться высококачественными играми с более высокой частотой кадров на нескольких платформах без каких-либо ограничений. Я думаю, что результаты говорят сами за себя с точки зрения внедрения и принятия разработчиками. На самом деле, было впечатляюще видеть, как профессионалы и энтузиасты используют FSR.

Тем не менее, качество часто сильно страдает при использовании FidelityFX Super Resolution. Тибьероз признал, что FSR - не лучший метод апскейлинга, когда дело касается только качества, но он сказал, что больше всего имеет значение всё вместе: и качество, и производительность.

Если вы сосредоточитесь исключительно на одном аспекте апскейлинга - давайте поговорим о качестве изображения - тогда, конечно, я думаю, будет справедливо сказать, что некоторые методы апскейлинга могут обеспечить лучшие результаты. Я думаю, что если вы сузите оценку апскейлеров до одного критерия, то ваш вывод будет неполным. Как мы уже обсуждали, FSR был разработан, чтобы поставить отметку во многих ячейках, и это сочетание отличных функций, составляющих полный пакет. Думайте об этом как о покупке новой машины: я не думаю, что кто-то будет основывать свою покупку исключительно на том, насколько хорошо машина выглядит. Умный покупатель будет учитывать, насколько быстро она едет, какие варианты она предлагает, насколько плавно вождение и могут ли они себе это вообще позволить.

Затем Digital Foundry спросили, почему AMD не использовала машинное обучение, которое NVIDIA применила в DLSS, и Тибьероз ответил, что методы на основе машинного обучения не обязательно являются лучшим решением для всего.

Конечно, если все сделано правильно, машинное обучение может стать очень мощным инструментом, но это не единственный способ решения проблем. Есть также компромиссы, которые вам нужно будет сделать, чтобы использовать ML, а это значит, что он может не пометить некоторые другие - действительно важные - поля для решения. Использование машинного обучения в реальном времени может означать, что мы теряем портативность, производительность и - если все сделано неправильно - даже некоторое качество.

Если мы объективно относимся к ML и алгоритмам апскейлинга, я думаю, что первая итерация NVIDIA DLSS является хорошей иллюстрацией того, о чем я здесь говорю. Простое присутствие ML в решении не означает, что вы собираетесь получить отличные результаты. ML явно подает надежды, и AMD активно инвестирует в исследования и разработки ML по ряду направлений, но только потому, что алгоритм использует ML, не означает, что это лучшее решение с учетом ряда целей.