Las tecnologías de reconstrucción de la imagen tienen muchos adeptos, pero también muchos detractores. En un mundo utópico nuestro hardware gráfico debería ser capaz de renderizar nuestros juegos a resoluciones muy altas utilizando el trazado de rayos y ofreciéndonos, a la par, un acabado gráfico sobresaliente y una cadencia de imágenes sostenida muy elevada.
El problema es que en la práctica este escenario no es asumible. Al menos no lo es con la mayor parte del hardware gráfico, y tampoco con buena parte de los juegos.
Este es el contexto en el que han llegado las tecnologías de reconstrucción de la imagen, y han desembarcado con un propósito: equilibrar lo que el hardware gráfico actual es capaz de hacer y lo que los usuarios le pedimos que haga.
No importa si nos fijamos en la tecnología DLSS de NVIDIA, en FidelityFX Super Resolution (FSR) de AMD, o en cualquier otro procedimiento de reconstrucción de la imagen; todos ellos persiguen ofrecernos un acabado visual con la máxima calidad posible, y, al mismo tiempo, una cadencia de imágenes sostenida de al menos 60 FPS.
Sin embargo, a pesar de tener un mismo propósito, la estrategia que utiliza cada tecnología de reconstrucción de la imagen para alcanzarlo es diferente. Y el resultado que nos entrega cada una de ellas también suele ser distinto.
Actualmente podemos clasificarlas en dos categorías diferentes: las que recurren al aprendizaje profundo en un intento de maximizar la calidad de imagen y las que implementan la reconstrucción utilizando un algoritmo de escalado espacial. La tecnología DLSS, de NVIDIA, pertenece a la primera categoría; y FSR, de AMD, e Image Scaling, de NVIDIA, a la segunda.
En la práctica, como confirmamos en nuestro análisis de DLSS 2.0, este procedimiento de reconstrucción de la imagen mediante aprendizaje profundo funciona muy bien. Y lo hace porque en la mayor parte de los juegos que lo implementan nos ofrece una calidad de imagen muy alta y a menudo cercana al renderizado a la resolución nativa, y, a la par, una cadencia de imágenes por segundo elevada.
Sin embargo, esta tecnología requiere que el hardware gráfico incorpore unidades funcionales especializadas en resolver de una forma eficiente operaciones matriciales que admiten una gran paralelización, como los núcleos Tensor que integran los procesadores gráficos GeForce RTX.
El vínculo que existe entre la tecnología DLSS y el hardware provoca que esta técnica de reconstrucción de la imagen solo esté disponible en las tarjetas gráficas de la familia GeForce RTX. Pero, afortunadamente, las tecnologías que recurren al escalado espacial, como FSR de AMD o Image Scaling de NVIDIA, entre otras opciones, son más benevolentes con el hardware y pueden ser utilizadas en un abanico muy amplio de tarjetas gráficas.
Hace pocas semanas NVIDIA desveló que había puesto a punto la revisión 2.3 de DLSS, y hoy mismo ha publicado una actualización de su controlador gráfico que implementa un nuevo algoritmo de escalado espacial que nos promete llevar la tecnología Image Scaling a otro nivel. ¿Y qué nos promete el nuevo DLSS 2.3 que acaba de aterrizar en 'Doom Eternal' y 'Cyberpunk 2077'? Según NVIDIA un manejo más preciso de los vectores de movimiento (hablaremos de ellos a continuación) que persigue reducir el ghosting, así como una recreación más precisa de los efectos de partículas, entre otras mejoras.
Reconstrucción mediante aprendizaje profundo vs. escalado espacial
El punto de partida de la tecnología DLSS (Deep Learning Super Sampling) es muy diferente al de las técnicas de escalado espacial que utilizamos actualmente. Dejando a un lado los detalles más complicados derivados de la forma en que NVIDIA ha implementado esta innovación, lo que nos interesa saber es que DLSS trabaja con un búfer temporal que permite al algoritmo de reconstrucción acceder a los tres fotogramas previos al que es necesario reconstruir.
DLSS utiliza un búfer temporal, vectores de movimiento y un motor de inferencia para recuperar el máximo nivel de detalle posible
También utiliza unos objetos matemáticos conocidos como vectores de movimiento que sirven para describir el desplazamiento de los elementos que cambian de posición al comparar dos fotogramas consecutivos. Una vez que se ha recabado toda esta información el motor de inferencia la recoge y la procesa utilizando técnicas de aprendizaje profundo con el propósito de reconstruir una nueva imagen que incorpore el máximo nivel de detalle posible.
Muy a grandes rasgos así es como funciona DLSS, pero, como hemos visto, también existen varios algoritmos de escalado espacial (los que utilizan AMD y NVIDIA son distintos) que se postulan como una alternativa a esta tecnología. Todos ellos tienen en común el hecho de que prescinden del análisis de múltiples fotogramas, del manejo de vectores de movimiento, y también del posterior procesado mediante un motor de aprendizaje profundo. Y comparten una estrategia similar a la hora de llevar a cabo el escalado de las imágenes.
La mayor parte de ellos aborda el procedimiento de reconstrucción dividiéndolo en dos fases diferentes. Durante la primera «estiran» el fotograma que es necesario escalar para adaptarlo a la resolución que necesitamos obtener, «inventándose» los píxeles que faltan de una forma más o menos ingeniosa a partir de los píxeles adyacentes. Y en la segunda fase de este proceso analizan la imagen resultante y reconstruyen los bordes de todos los objetos con el propósito de eliminar los bordes dentados y dotar al fotograma de un mayor nivel de detalle.
La reconstrucción de la imagen mediante el escalado espacial es más sencilla que el procesado mediante DLSS. Su principal ventaja es que no necesita que el hardware gráfico incorpore unidades funcionales específicas para llevar a cabo este procedimiento, lo que coloca esta técnica al alcance de prácticamente cualquier tarjeta gráfica relativamente moderna. Sin embargo, como hemos visto, DLSS solo funciona en las tarjetas gráficas GeForce RTX porque, entre otros elementos, requiere los núcleos Tensor.
La tecnología DLSS es más compleja y más exigente con el hardware que el escalado espacial, pero nos entrega mejores resultados
Los análisis de tarjetas gráficas que hemos llevado a cabo desde que llegaron las primeras GeForce RTX nos han demostrado que la tecnología DLSS consigue recuperar más detalle y es menos sensible a los artefactos de movimiento que las técnicas de escalado espacial.
Aun así, ambas tecnologías no dejan de mejorar. Como he mencionado más arriba, NVIDIA ha publicado recientemente la revisión 2.3 de DLSS, y hoy anuncia la llegada de un nuevo algoritmo de escalado espacial y mejora de la nitidez que pasa a formar parte de su tecnología Image Scaling.
A diferencia de DLSS, el procedimiento de reconstrucción de la imagen Image Scaling funciona en todas las tarjetas GeForce GTX, y esta nueva revisión, según NVIDIA, tiene un impacto beneficioso en el rendimiento y la calidad de imagen. No obstante, esto no es todo lo que ha presentado hoy esta compañía; también ha publicado ICAT, una nueva herramienta de análisis diseñada para poner a prueba la calidad de imagen que nos entregan las tarjetas gráficas.
Próximamente la utilizaremos para preparar una comparativa en la que analizaremos minuciosamente la calidad de imagen que nos proponen las tecnologías de reconstrucción DLSS 2.3 e Image Scaling, ambas de NVIDIA, y FidelityFX Super Resolution, de AMD.
Más información | NVIDIA
Ver 7 comentarios