De opmars van technologie is onverbiddelijk en nergens is dit meer waar dan bij grafische hardware. Elk jaar worden kaarten aanzienlijk sneller en brengen ze een hele nieuwe reeks acroniemen met zich mee voor mooie grafische trucs. 

Kijkend naar de visuele instellingen voor pc-games, zul je een woordsalade tegenkomen die zulke smakelijke nuggets bevat als MSAA, FXAA, SMAA en WWJD . Oké, misschien niet dat laatste.

Als je de gelukkige eigenaar bent van een nieuwe Nvidia GeForce RTX -kaart, kun je er nu ook voor kiezen om iets genaamd DLSS in te schakelen . Het is een afkorting voor Deep Learning Super Sampling en maakt een groot deel uit van de volgende generatie hardwarefuncties die te vinden zijn in Nvidia RTX - kaarten.

Op het moment van schrijven hebben alleen deze kaarten de benodigde hardware om DLSS uit te voeren :

• RTX2060
• RTX 2060 Super
• RTX2070
• RTX 2070 Super
• RTX 2080
• RTX 2080 Super
• RTX 2080 Ti

De specifieke hardware in kwestie wordt een " Tensor " -kern genoemd, waarbij elk model een ander aantal van deze gespecialiseerde processors heeft.

Tensor-cores zijn ontworpen om machine learning-taken te versnellen, waar DLSS een voorbeeld van is. Als u geen DLSS gebruikt , blijft dat deel van de kaart inactief. Dit betekent dat je niet de volledige capaciteit van je glimmende nieuwe GPU gebruikt als DLSS beschikbaar is, maar uitgeschakeld blijft. 

Er komt echter meer bij kijken. Om te begrijpen welke waarde DLSS met zich meebrengt, moeten we kort uitweiden over een paar verwante concepten.

Een snelle omweg naar interne resoluties en opschaling^{(A Quick Detour Into Internal Resolutions & Upscaling)}

Moderne tv's^{(Modern TVs)} en monitoren hebben een zogenaamde 'native' resolutie^(resolution) . Dit betekent simpelweg dat het scherm een ​​bepaald aantal fysieke pixels heeft. Als de afbeelding die u op dat scherm weergeeft, verschilt van de exacte oorspronkelijke resolutie, moet deze omhoog of omlaag worden "geschaald" om deze passend te maken. 

Dus als u bijvoorbeeld een HD-beeld naar een 4K-scherm^{(4K display)} uitvoert , ziet het er nogal blokkerig en gekarteld uit. Net alsof je te ver hebt ingezoomd op een digitale foto. In de praktijk ziet HD-video er echter prima uit op een 4K-tv, zij het misschien iets minder scherp dan native 4K-beeldmateriaal. Dat komt omdat de tv een stuk hardware heeft dat bekend staat als een "upscaler" en die het beeld met een lagere resolutie verwerkt en filtert om er acceptabel uit te zien.

Het probleem is dat de kwaliteit van de opschalingshardware enorm varieert tussen displaymerken en modellen. Daarom hebben GPU's vaak hun eigen schaaltechnologie .^(Which)

De "pro"-consoles die zijn ontworpen om naar een 4K-scherm te worden uitgevoerd, presenteren het met een native 4K-beeld, zodat er helemaal geen weergave-upscaling plaatsvindt. Dit betekent dat de ontwikkelaars van games volledige controle hebben over de uiteindelijke beeldkwaliteit. 

De meeste consolegames worden echter niet weergegeven met een native 4K-resolutie. Ze hebben een lagere "interne" resolutie, waardoor de GPU minder wordt belast . Dat beeld wordt vervolgens opgeschaald om er zo goed mogelijk uit te zien op het scherm met hoge resolutie met behulp van de interne schaaltechnologie van de console.

In feite is DLSS een geavanceerde methode die een pc-game weergeeft met een lagere resolutie dan de oorspronkelijke resolutie en vervolgens de DLSS- technologie gebruikt om deze op te schalen voor het aangesloten scherm. In theorie leidt dit tot een aanzienlijke prestatieverbetering. 

Hoewel dat veel lijkt op wat er op 4K-consoles gebeurt, is DLSS onder de motorkap echt iets speciaals. Allemaal dankzij “deep learning”.

Waar gaat het stukje "Deep Learning" over?^{(What’s The “Deep Learning” Bit About?)}

Deep learning is een machine learning-techniek die gebruikmaakt van een gesimuleerd neuraal netwerk. Met andere woorden, een digitale benadering van hoe de neuronen in je hersenen leren en oplossingen creëren voor complexe problemen.

Het is de technologie waarmee computers onder meer gezichten kunnen herkennen en robots de wereld om hen heen kunnen begrijpen en navigeren. Het is ook verantwoordelijk voor de recente golf van deepfakes . Dat is de geheime saus van DLSS. 

Neurale netwerken vereisen "training", die in feite de netto-voorbeelden laat zien van hoe iets zou moeten zijn. Als je het internet wilt leren hoe je een gezicht kunt herkennen, laat je het miljoenen gezichten zien, zodat het de kenmerken en patronen leert die een typisch gezicht vormen. Als het de les goed leert, kun je het elke afbeelding met een gezicht erin laten zien, en het zal het meteen uitkiezen.

Wat Nvidia heeft gedaan, is hun deep learning-software te trainen op afbeeldingen met ongelooflijk hoge resolutie van de games die DLSS ondersteunen . Het neurale netwerk leert hoe het spel eruit zou moeten zien wanneer het wordt weergegeven met grafische prestaties op supercomputerniveau.

Het neemt dan dat frame met lagere interne resolutie en, bij gebrek aan een beter woord, "verbeeldt" het hoe het eruit zou hebben gezien als een veel, veel krachtigere computer dan de jouwe de scène had weergegeven. Als dat een beetje als zwarte magie voor je klinkt, ben je niet de enige!

Wanneer DLSS gebruiken?^{(When To Use DLSS)}

Allereerst^(First) kun je DLSS alleen gebruiken in games die het ondersteunen, een lijst die gelukkig snel groeit. Elke titel heeft ook zijn eigen vereisten voor DLSS , zoals weergave met een minimale resolutie, want daar is het neurale net op getraind.

Het grote brein bij Nvidia houdt echter niet op met leren en de DLSS -functie op je kaart blijft updates krijgen, waardoor de ondersteuning per titel en de kwaliteit toenemen.

De beste manier om erachter te komen of je DLSS in je games moet gebruiken, is door naar het resultaat te kijken. Vergelijk het met traditionele opschaling of anti-aliasing om te zien wat prettiger is. Prestaties zijn ook een belangrijke beslissende factor. Als u zich richt op 60 frames per seconde, maar daar niet komt, is DLSS een goede keuze.

Als u echter hoge framesnelheden krijgt, kan DLSS de zaken zelfs vertragen. Dat komt omdat de tensorkernen een vaste hoeveelheid tijd nodig hebben om elk frame te verwerken. Op dit moment kunnen ze het niet snel genoeg doen om met hoge framerate te spelen.

In wezen is DLSS het nuttigst bij gebruik van een scherm met hoge resolutie (bijv. 4K, ultrawide of 1440p-resoluties) met een beoogde framesnelheid van ongeveer 60 frames per seconde. Het is ook ongelooflijk handig bij het activeren van de andere hoofdpartijtruc van RTX -kaarten - ray tracing. DLSS kan het prestatieverlies van raytracing vrij goed compenseren, met een soms spectaculair eindresultaat.

Dat is het minste dat u moet weten voordat u besluit om met DLSS te gaan of niet. Onthoud dat deze technologie snel verandert, dus als je de resultaten vandaag niet leuk vindt, kom dan over een paar maanden terug en je zou uiteindelijk wel eens versteld kunnen staan .^(Just)

What Is DLSS and Should You Use It In Games

The march оf technology is inexorable and nowhere is this more true than with graphiсs hardware. Every year cards get significantly faster and bring a whole new set of acronyms for fancy graphical tricks. 

Looking at the visual settings for PC games, you’ll encounter a word salad that contains such tasty nuggets as MSAA, FXAA, SMAA and WWJD. OK, maybe not that last one.

If you are the lucky owner of a new Nvidia GeForce RTX card, you can now also choose to enable something called DLSS. It’s short for Deep Learning Super Sampling and is a big part of the next generation hardware features found in Nvidia RTX cards.

At the time of writing, only these cards have the required hardware to run DLSS:

• RTX 2060
• RTX 2060 Super
• RTX 2070
• RTX 2070 Super
• RTX 2080
• RTX 2080 Super
• RTX 2080 Ti

The specific hardware in question is referred to as a “Tensor” core, with each model having a different number of these specialized processors.

Tensor cores are designed to accelerate machine learning tasks, which DLSS is an example of. If you don’t use DLSS, that part of the card remains idle. This means you aren’t using the full capacity of your shiny new GPU if DLSS is available, but remains off. 

There’s more to it than that though.To understand what value DLSS brings to the table, we have to digress briefly into a few related concepts.

A Quick Detour Into Internal Resolutions & Upscaling

Modern TVs and monitors have what’s known as a “native” resolution. This simply means that the screen has a specific number of physical pixels. If the image you are displaying on that screen differs from the exact native resolution, it has to be “scaled” up or down to make it fit. 

So if you output an HD image to a 4K display, for example, it’s going to look quite blocky and jagged. Just as if you’ve zoomed a digital photo in too far. In practice however, HD video looks just fine on a 4K TV, if perhaps a little less sharp than native 4K footage. That’s because the TV has a piece of hardware known as an “upscaler” that processes and filters the lower-resolution image to look acceptable.

The problem is that the quality of the upscaling hardware varies wildly between display brands and models. Which is why GPUs often come with their own scaling technology.

The “pro” consoles that are designed to output to a 4K display present it with a native 4K image, so that no display upscaling happens at all. This means the developers of games have complete control of the final image quality. 

However, most console games do not render at a native 4K resolution. They have a lower “internal” resolution, which puts less stress on the GPU. That image is then scaled up to look as good as possible on the high-resolution screen using the console’s internal scaling technology.

In effect, DLSS is a sophisticated method that renders a PC game at a lower than native resolution and then uses the DLSS technology to upscale it for the connected display. In theory this leads to a significant boost in performance. 

While that sounds a lot like what’s happening on 4K consoles, under the hood DLSS is really something special. All thanks to “deep learning”.

What’s The “Deep Learning” Bit About?

Deep learning is a machine learning technique that uses a simulated neural net. In other words, a digital approximation of how the neurons in your brain learn and create solutions to complex problems.

It’s the technology that, among other things, allows computers to recognize faces and lets robots understand and navigate the world around them. It’s also responsible for the recent spates of deepfakes. That’s the secret sauce of DLSS. 

Neural networks require “training” which is basically showing the net examples of what something should be like. If you want to teach the net how to recognize a face, you show it millions of faces, letting it learn the features and patterns that make up a typical face. If it learns the lesson properly, you can show it any image with a face in it, and it will pick it out instantly.

What Nvidia have done is to train their deep learning software on incredibly high-resolution images from the games that support DLSS. The neural network learns what the game “should” look like when rendered using supercomputer-level graphics performance.

It then takes that lower internal resolution frame and, for lack of a better word, “imagines” what it would have looked like if a much, much more powerful computer than yours had rendered the scene. If that sounds a little like black magic to you well, you’re not alone!

When To Use DLSS

First of all, you can only use DLSS in games that support it, which is a list that’s growing quickly, thankfully. Each title also has its own requirements for DLSS, such as rendering at a minimum resolution, because that’s what the neural net has been trained on.

However, the big brain at Nvidia doesn’t stop learning and the DLSS feature on your card will keep getting updates, expanding per-title support and quality.

The best way to figure out if you should use DLSS in your games is to eyeball the result. Compare it to traditional upscaling or anti-aliasing to see which is more pleasant. Performance is also an important deciding factor. If you are targeting 60 frames per second, but can’t get there, DLSS is a good choice.

If you are getting high frame rates however, DLSS can actually slow things down. That’s because the tensor cores need a fixed amount of time to process each frame. Right now they can’t do it quickly enough for high frame rate play.

Essentially, DLSS is most useful when using a high-resolution display (e.g. 4K, ultrawide or 1440p resolutions) with a target frame rate at around 60 frames per second. It’s also incredibly useful when activating the other main party trick of RTX cards – ray tracing. DLSS can offset the performance loss of ray tracing quite well, with an end result that is at times spectacular.

That’s the least you need to know before deciding to go with DLSS or not. Just remember that this technology is changing rapidly, so if you don’t like the results today, come back in a few months and you just might just be blown away at last.

Related posts

• Gebruik GBoost om de gamingprestaties op pc met Windows 10 te verbeteren

• Download Tencent Gaming Buddy PUBG Mobile-emulator voor pc

• Virtualisatie inschakelen in MSI Gaming Plus Max B450

• Hoe een Windows-computer te optimaliseren voor online gamen

• 6 beste videogames in het publieke domein om nu gratis te spelen

• Games downloaden op Nintendo Switch

• Steam Remote Play gebruiken om overal lokale multiplayer-games te streamen

• Hoe speel je draadloze pc VR-games op Oculus Quest met virtuele desktop

• 10 beste DOS-spellen die je online kunt spelen

• De 7 zeldzaamste N64-spellen

• 8 pc-games met geweldige verhalen

• De 7 beste N64-racegames

• De 10 beste YouTube-kanalen voor retro-computerspellen

• 8 beste 2D-games voor Windows

• De 7 beste SNES-games aller tijden

• 10 beste Nintendo Switch-retrogames

• De 5 beste gratis online browserspellen om urenlang te doden

• Games delen op Steam

• Hoe u niet-Steam-spellen aan uw Steam-bibliotheek kunt toevoegen

• 5 sites om videogames met beperkte en speciale editie te koop te vinden