سونی در پی ساخت تکنولوژی مشابه DLSS انویدیا برای پلی استیشن است
به گزارش یومی بلاگ، به نظر می رسد که بخش سرگرمی های تعاملی سونی ممکن است در پی راه چاره های بهبود کیفیت تصویر بازی ها مشابه DLSS انویدیا و AMD Fidelity FXSR باشد، زیرا آخرین ثبت اختراع آن ها که در آوریل گذشته ثبت شد و در پایان ماه گذشته عمومی شد، روش هایی را برای بهبود کیفیت تصویر از طریق ترکیبی از یادگیری ماشین و پیاده سازی مبتنی بر کامپیوتر بررسی می کند.
تصاویر دیجیتال می توانند شامل منطقه های از داده های گم شده یا خراب باشند. این منطقه ها از دست رفته یا فاسد، حفره نامیده می شوند. حفره ها در تصاویر در سیستم های رندر مبتنی بر تصویر ایجاد می شوند. این حفره ها معمولا نامطلوب هستند و روش هایی برای پر کردن آن ها وجود دارد. تکنیک های یادگیری ماشین (Machine learning) می توانند حفره های تصاویر را با نتایج باکیفیت پر کنند. با این حال، این تکنیک ها عملکردی فشرده و به سخت افزار قدرتمند و زمان زیادی نیاز دارند.
نمونه ای از یک سیستم رندر مبتنی بر تصویر، یک دستگاه واقعیت مجازی است که یک محیط واقعیت مجازی را نمایش می دهد. کاربری که از هدست واقعیت مجازی استفاده می کند، از طریق دو نمایشگر در هدست، با نمایشی از یک صحنه سه بعدی روبرو می شود. همان طور که کاربر سر خود را حرکت می دهد، یک صحنه تازه با توجه به موقعیت و جهت گیری تازه هدست تولید و نمایش داده می شود. به این ترتیب کاربر می تواند به اطراف یک شیء در صحنه نگاه کند. منطقه های از صحنه اولیه که در صحنه تازه به دلیل حرکت قابل مشاهده می شوند، مسدود توصیف می شوند. صحنه های نمایش داده شده ممکن است از طریق سخت افزار رایانه در رایانه شخصی یا کنسول متصل به هدست یا از طریق یک سرویس رندر مبتنی بر سرویس ابری از راه دور تولید شوند.
سرعتی که در آن داده های تصویری به هدست ارائه می شوند با پهنای باند اتصال بین هدست و رایانه، کنسول یا سیستم رندر مبتنی بر سرویس ابری محدود می شود. در نتیجه گاهی اوقات به دلیل محدودیت ها یا وقفه های پهنای باند، تمام داده های لازم در یک زمان معین برای ساخت و نمایش کامل یک صحنه در دسترس نیست. حفره های موجود در داده های تصویری که صحنه را تشکیل می دهند، یک نتیجه نامطلوب به وجود می آورند و تأثیر منفی قابل توجهی بر حس غوطه وری کاربر خواهند داشت.
روش تازه به طریقی سودمند باعث می شود که حفره به سرعت و کارآمد پر شود؛ در حالی که احتمال دستیابی به نتیجه ای با کیفیت بالا را افزایش می دهد. مزیت این امر باعث کاهش بار روی پردازنده سخت افزار مذکور هم می شود. در واقع پیکسل های نزدیک که شناسه های متفاوت با پیکسل های حفره دارند، نسبت به پیکسل هایی که شناسه های منطبق دارند، به احتمال زیاد با داده های پیکسلی از دست رفته متفاوت به نظر می رسند. بنابراین استفاده از پیکسل هایی با شناسه های یکسان، بار محاسباتی را بر روی پردازنده کاهش می دهد.
دومین فرآیند پر کردن حفره ها ممکن است شامل فرآیند یادگیری ماشینی باشد. فرآیندهای یادگیری ماشین تصویر با کیفیت بالا را ارائه می دهند. با ارائه یک فرآیند یادگیری ماشین به عنوان دومین فرآیند پر کردن حفره، به طور مطلوب تعادل بهبودیافته ای بین سرعت و کیفیت پردازش تصویر حاصل می شود.
این فناوری بی شباهت به فناوری یادگیری عمیق (DLSS) انویدیا نیست که از تکنولوژی آپ اسکیلینگ در کارت های گرافیک خود برای بهبود وضوح تصویر استفاده می کند. با این حال، به نظر می رسد که سونی در حال کار روی این فناوری برای آوردن آن به پلی استیشن 5 و احتمالا نسخه دوم هدست واقعیت مجازی پلی استیشن VR است.
منبع: MP1st
منبع: دیجیکالا مگ