「黑悟空」实机演示炸裂登场,英伟达大秀光追技术
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。
2.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2.4.0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?
以上是「黑悟空」实机演示炸裂登场,英伟达大秀光追技术的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S

本站8月1日消息,SK海力士今天(8月1日)发布博文,宣布将出席8月6日至8日,在美国加利福尼亚州圣克拉拉举行的全球半导体存储器峰会FMS2024,展示诸多新一代产品。未来存储器和存储峰会(FutureMemoryandStorage)简介前身是主要面向NAND供应商的闪存峰会(FlashMemorySummit),在人工智能技术日益受到关注的背景下,今年重新命名为未来存储器和存储峰会(FutureMemoryandStorage),以邀请DRAM和存储供应商等更多参与者。新产品SK海力士去年在
