Le FSR 2.0 d’AMD est John Henry contre l’apprentissage automatique de Nvidia DLSS

La bataille de qualité d’image entre AMD et Nvidia s’intensifie. Et cette semaine, les allers-retours concernant le super échantillonnage d’apprentissage en profondeur (DLSS) de Nvidia et la super résolution FidelityFX (FSR) d’AMD prennent un angle humain contre machine. Pour être plus précis, AMD pense que les humains responsables du FSR sont parfois plus efficaces que l’apprentissage automatique que Nvidia utilise pour le DLSS.

AMD a présenté FSR 2.0 la semaine dernière et a souligné qu’il n’utilisait aucun apprentissage automatique pour accomplir ses impressionnants résultats de mise à l’échelle dans des jeux comme Deathloop. Maintenant, AMD explique un peu plus pourquoi il utilise des algorithmes codés à la main par opposition à DLSS, qui utilise une méthode dans laquelle un ordinateur s’entraîne à reconnaître à quoi devrait ressembler une image parfaite à la résolution la plus élevée possible.

Dans toute science, y compris le génie logiciel, les découvertes sont faites en analysant les données de l’expérimentation, ce qui donne lieu à des modèles mathématiques qui peuvent expliquer les résultats, lit un article de blog d’AMD. D’une manière générale, l’apprentissage automatique (ML) est un ensemble d’outils et de techniques incroyablement utiles qui peuvent faciliter et accélérer ce processus. Cependant, les résultats obtenus par ML peuvent parfois ne pas être les plus optimaux, manquant de l’étincelle de l’imagination humaine qui peut souvent conduire à des percées pour des problèmes complexes.

Fondamentalement, AMD pense que les humains sont déjà bons pour résoudre les problèmes introduits par la mise à l’échelle. Et il prétend qu’il a plus de flexibilité pour prescrire des solutions à certains scénarios qu’il ne le ferait s’il adoptait le modèle DLSS.

L’approche analytique FidelityFX Super Resolution 2.0 peut offrir des avantages significatifs par rapport aux solutions ML, telles que plus de contrôle pour répondre à une gamme de scénarios différents et une meilleure capacité d’optimisation, lit le blog.

DLSS est toujours le roi de la qualité d’image, bien que cela n’ait pas d’importance si FSR est sur plus de matériel

Bien sûr, AMD déforme légèrement le fonctionnement de l’apprentissage automatique. Alors que Nvidia forme certainement des modèles informatiques pour reconnaître à quoi les jeux devraient ressembler, ce sont les humains qui sont derrière ces modèles. Il est également extrêmement difficile pour AMD de contester les résultats. La mise à l’échelle DLSS est souvent impossible à distinguer de la 4K native. Parfois, c’est encore mieux que la vraie chose. Et c’est parce qu’il a accès à des modèles qui fournissent plus d’informations que le cadre d’origine n’en contient.

FSR 2.0 comble certainement l’écart. Et je crois que c’est une bonne solution au problème de l’exécution de jeux haute fidélité à des fréquences d’images acceptables. Mais DLSS est le leader du marché de pointe pour une raison.

Cependant, AMD ne semble pas inquiet. Parce que si DLSS nécessite un GPU Nvidia moderne, FSR fonctionne sur presque tous les ordinateurs ou consoles récents.

Surtout, ne pas nécessiter de matériel ML dédié signifie que davantage de plates-formes peuvent en bénéficier et que davantage de joueurs pourront faire l’expérience de FSR 2.0, affirme AMD.

Pour lutter contre cela, Nvidia a lancé une technologie similaire à FSR appelée Nvidia Image Scaling (NIS) qui fonctionne également sur tous les appareils et fonctionne au niveau de la plate-forme. Mais c’est le DLSS dont Nvidia se soucie et il le devrait. C’est une fonctionnalité exceptionnelle pour le matériel Nvidia. Et l’entreprise a besoin de développeurs pour continuer à la soutenir.