「黑悟空」实机演示炸裂登场,英伟达大秀光追技术

2022 年 8 月 21 日 新智元



  新智元报道  

编辑:Aeneas 桃子
【新智元导读】「黑悟空」时隔一年后炸裂回归,4K光追 + DLSS,让玩家大呼过瘾。

时隔一年,「黑悟空」归来再度登上热榜。

这次,除了官方发布了一段6分钟实机剧情片段,英伟达更是带来了8分钟实机试玩片段。


重磅的是,这是「黑悟空」首次支持4K  RTX ON光追+NVIDIA DLSS技术。

网友们看后瞬间热血沸腾。


首支4K光追 + DLSS


2020年,黑悟空首次曝光,惊艳全球。


到了2021年,大秀UE5的测试,那白雪纷纷的地面场景处理,让网友直呼显卡危机中国版。

2022,直接上了英伟达4K RTX ON。

就拿开篇悟空变金蝉的那一段进行对比,今年的翅膀建模与飞行动作,明显比2020年的版本更有质感。

有了光追的加持,金蝉身体的不同位置也会基于不同的光照角度展现不同的细节,也显得更加逼真、自然。


显然,AI 技术和光线追踪技术正在变革我们的游戏和创作方式。

从技术角度来讲,光追和DLSS已经成为制作3A游戏大作的标配。

「黑悟空」之所以能让玩家体验到如此身临其境的奇幻中国神话世界,是因为有强大的光线追踪和 NVIDIA DLSS,而这一切由GeForce RTX 技术驱动。

NVIDIA RTX 处于目前游戏变革的最前沿,它是用于尖端应用和游戏的最快、最先进的平台。

玩家如果使用GeForce RTX 驱动的 PC,并通过最新的Game Ready驱动进行优化,就会获得最强大的性能、最流畅的游戏体验以及最高保真度的光线追踪效果。

颠覆游戏界的里程碑


接下来,我们来具体介绍一下光线追踪和DLSS。

2018年8月14日,计算机图形学的顶级会议SIGGRAPH在温哥华举办,英伟达正式推出全球首支持实时光线追踪技术的全新显卡家族NVIDIA Quadro RTX。

8月21日,NVIDIA发布了新一代基于图灵架构的显卡:GeForce 2080Ti、GeForce 2080和GeForce 2070。从此GPU开启了游戏光线追踪的新世界。

实时光线追踪技术和DLSS技术绝对称得上里程碑式的颠覆。

1.光线追踪技术

光线追踪是一种模拟光的物理特性的图形渲染方法。

在光线追踪出现之前,传统的方法是光栅化渲染。


假设有一个房间和一个光源,从房间内看出,给予内每个面一张平面纹理, 根据光源位置关系使每个面变得更亮或更暗,先计算物体(房间)对应屏幕上的多边形或三角形顶点的坐标变换(矩阵变换,透视等),然后在多边形或三角形内填充纹理,同时计算出房间的每个像素的颜色,从而生成相当逼真的 3D 房间。


而光线追踪的原理,是追踪每条光线的传播行为,计算每条光线对我们人眼观察的贡献值,即颜色值。使用光线追踪技术渲染,发出的光线会像在现实世界中一样在场景中反弹,因此看起来更加真实。它会计算出光线与房间的交点,以及它应该反射多少光线,光线如何穿过虚拟相机的镜头,最后,决定相机的图像应该如何显示在你的屏幕上。


简单来说就是:光栅化渲染中,计算光线是从物体本身出发经过坐标矩阵变换等等计算与模拟,得到投影至屏幕上每个像素点的颜色等信息。

而光线追踪是从相机(眼睛)反向追踪光线捕捉光线反射的各种效果。

光栅化(左)与光线追踪(右)

而在游戏中,就是通过专门的光追(RT)核心,来模拟游戏场景中的光线物理变化。


它能够做到物理上精确的阴影、反射和折射以及全局光照,在虚拟的游戏场景下,让游戏中的物体更加具有真实感。

比如,黑悟空演示中的光影变幻。


还有火焰、烟雾和爆炸等场景看起来更加逼真,让人有种身临其境的感觉,都是光追的效果。


其实,光线追踪技术的算法,早在1979年就由TurnerWhitted提出了。为什么多年以后,才开始使用这项技术用于光线渲染呢?是因为所需要的计算量过于庞大。

NVIDIA为了保证庞大的算力需求,在图灵架构中,每一个SM单元里都拥有一个RT CORE,专门为光线追踪服务。RT CORE的工作原理,就是层次包围盒遍历算法:BVH(Bounding Volume Hierarchy Traversal)。

比如渲染对象是一只兔子,要计算一条光线和兔子本身的交互,就把兔子所在空间划分成N个包围盒,计算光线和哪一个包围盒相交,是的话就再把这个包围盒继续划分成N个更小的包围盒,再次计算相交,如此反复,一直找到和光线相交的三角形所在的包围盒,再对这个三角形进行最终的渲染。


BVH算法可以大大减少计算每一条光线最近相交点所需要遍历的三角形数量,而且只需要进行一次就能给所有光线使用,大大提高了执行效率。

  1. DLSS

光追速度快不快,还得需要另一项技术搭配使用。

那便是英伟达深度学习超级采样 (DLSS) ,它是一种深度学习神经网络,能够提升帧率并生成清晰的图像。

DLSS全称是Deep Learning Super Sampling,中文名为深度学习超级采样技术。它能够使用低分辨率图像(比如1080P)生成高分辨率图像(8K),再把8K图像缩回4K,得到超级采样抗锯齿(SSAA)图像。


NVIDIA DLSS 是唯一由 AI 驱动的超级分辨率技术,这一优势能为游戏带来最高可达 2 倍的性能提升。

比如在黑悟空雾气浓重的场景中,都没有出现帧数不稳的情况,主要是得益于DLSS技术。


DLSS是NVIDIA继TXAA之后推出的一种全新独占抗锯齿技术,利用深度学习和AI的强大功能来训练GPU渲染清晰的游戏图像。

DLSS的工作原理是图像超分辨率技术,基于AI和深度学习的一种优化图像的功能,通过英伟达的超算,不断通过AI去学习超高分辨率的游戏图像,将低分辨率图像不断还原补全细节。

因为超算算力巨大,所以它可以慢慢去补全细节,提高分辨率,运用深度卷积神经网络训练,最终输出各种细节接近完美且分辨率极高的图像。


DLSS的运算过程全部在RTX显卡独有的Tensor Core核心单元内完成,所以并不会占用显卡的CUDA通用运算单元,避免了消耗显卡的渲染性能和游戏帧数降低。

DLSS技术可以称为显卡渲染的里程碑。因为在图形领域有个规律,要想要更好的画质,一定要需要更好的性能,而DLSS 2.0这种革命性技术打破了这种规律,可在不影响图像质量的情况下提升性能。

开启DLSS后,引擎的渲染会在1/2到1/4像素的低分辨率下运行。一大半的像素级别的计算会省略。像素级别的计算非常耗费时间和性能,通常来说,画面越好的3A大作,越会消耗渲染性能,渲染性能越是瓶颈,而DLSS则越会提供更大的加速。

游戏中并不需要预置超高清图像,只要用DLSS技术,就启用了驱动程序内置的超算预先计算好的模型,玩游戏打开DLSS功能就会调用。


DLSS真正的特殊之处在于,它是第一个AI算法,同时生成稳定图像,还没有抖动假影。每个游戏都能捕捉到高质量的图像序列,避免了实时渲染的高成本,并且游戏渲染也非常快。

它也是唯一可以利用深度学习神经网络,确保图像质量媲美原生分辨率的画面缩放技术。在没有 AI 支持的缩放技术的情况下,放大后的图像会产生难看的瑕疵,如运动伪影、闪烁和暗淡、模糊的纹理。


借助DLSS技术,首先能带来画质的提升。通过先进的时间反馈技术,能够实现更清晰的图像细节,同时能够提高帧与帧之间的稳定性。

使用DLSS「画质」模式在1080p分辨率下捕捉的图像

其次,能够提升帧率和分辨率。全新的AI网络可以更高效地使用 Tensor Cores 来达成2倍于原来版本的速度,这提高了帧率,并消除以前显卡、设置和分辨率上的限制。


目前,DLSS已经更新到2.3.0版本。

看这2倍提升后的游戏性能,帧率和画质真是没得说。


现在,NVIDIA DLSS已经应用于200款游戏和应用中。


网友热评


看过英伟达展示的这个视频后,网友纷纷担心自己的显卡会不会爆。


大家更关心的是,黑悟空究竟什么时候能来?




参考资料:
https://b23.tv/rsULuPz
https://www.zhihu.com/question/543009889/answer/2573606679
https://zhuanlan.zhihu.com/p/134158574


登录查看更多
0

相关内容

【AAAI2022】用于视觉常识推理的场景图增强图像-文本学习
专知会员服务
48+阅读 · 2021年12月20日
【Cell】神经算法推理,Neural algorithmic reasoning
专知会员服务
28+阅读 · 2021年7月16日
专知会员服务
35+阅读 · 2021年2月20日
简明扼要!Python教程手册,206页pdf
专知会员服务
47+阅读 · 2020年3月24日
vivo折叠屏手机8999起,发布后1分钟售罄
量子位
0+阅读 · 2022年4月12日
新一代空气卡皇?英伟达 RTX 3090 Ti 正式发布
ZEALER订阅号
0+阅读 · 2022年1月5日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年11月25日
Arxiv
0+阅读 · 2022年11月24日
Arxiv
12+阅读 · 2021年9月13日
VIP会员
相关VIP内容
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员