AMD 研究表明計劃利用神經超採樣和去噪實現實時路徑追蹤以追趕 Nvidia

Nvidia 目前在 GPU 市場佔據主導地位，這得益於其在性能、功能和品牌知名度方面的綜合優勢。其先進的 AI（人工智能）和基於機器學習的技術已被證明特別有效，而 AMD 尚未真正趕上，尤其是在消費市場。但該公司希望能儘快改變這一局面。

依據 GPUOpen 上的一篇帖子，AMD 的研究目前專注於通過神經網絡解決方案在 RDNA GPU 上實現實時路徑追蹤。Nvidia 利用其自身的 DLSS 來實現基於 AI 的圖像放大，但 DLSS 的意義遠不止“深度學習超級採樣”——有 DLSS 2 放大、DLSS 3 幀生成 和 DLSS 3.5 光線重建。AMD 的最新研究聚焦於神經去噪，旨在清除因在實時路徑追蹤中使用有限數量的光線樣本而產生的有噪圖像——基本上就是光線重建。

路徑追蹤通常每個像素使用數千甚至數萬個光線計算。它是黃金標準，也是電影通常所採用的方式，往往每個渲染幀都需要數小時。實際上，一個場景是通過計算的光線反彈來進行渲染的，即使路徑上的輕微變化也可能導致不同的像素顏色。大量如此操作，併爲每個像素累積所有生成的樣本，最終結果的質量會提高到可接受的水平。

若要實時進行路徑追蹤，每個像素的樣本數量需要大幅減少。這就會產生更多的噪聲，由於光線常常無法擊中某些像素，致使照明不完全從而需要去噪。（順便提一下，電影也使用定製的去噪算法，因爲即使有數萬個樣本也無法保證完美的輸出。）

AMD 意在憑藉一個神經網絡來解決此問題，該網絡在重建場景細節的過程中同時進行去噪。Nvidia 的解決方案因保留了傳統渲染需花費更長時間才能達成的細節而獲贊。AMD 期望通過每個像素採用少量樣本重建路徑追蹤細節來獲取類似的收益。

這裡的創新點在於，AMD 在單個神經網絡內將上採樣和去噪相結合。按照 AMD 自己的說法，他們的方法“在高於渲染分辨率的顯示分辨率下，爲實時路徑追蹤生成高質量的去噪和超採樣圖像”。這使流程得到了統一，使 AMD 的方法能夠在一次處理中取代渲染引擎所用的多個去噪器，同時進行上採樣。

這項研究有可能帶來 AMD 的新版本 FSR（FidelityFX 超級分辨率） ，或許能夠與英偉達的性能和圖像質量標準相匹配。英偉達的 DLSS 技術需要 RTX GPU 上的專用 AI 硬件支持，以及用於在 RTX 40 系列（及後續）GPU 上生成幀的光流加速器。

AMD 目前的 GPU 通常缺乏 AI 加速功能，或者就 RDNA 3 而言，存在與 GPU 着色器共享執行資源的 AI 加速器，但對於 AI 工作負載的處理方式更優化。讓人不清楚的是，AMD 能否在現有 GPU 上運行用於去噪和升頻的神經網絡，或者是否需要新的處理集羣（即張量單元）。在現有硬件上實現這一目標，或許能讓未來的 FSR 迭代在所有 GPU 上運行，但也可能會限制算法的質量和其他方面。

我們得等着瞧瞧 AMD 最終會拿出什麼樣的成果。對神經路徑追蹤和升頻的精細化處理方式或許能爲更廣泛的硬件帶來易於實現的高保真圖形，但鑑於遊戲中路徑追蹤的需求（比如：《心靈殺手 2》、《黑神話：悟空》和《賽博朋克 2077 RT 超速驅動》），我們覺得 AMD 要達到更高的圖像保真度，會需要比現有產品快得多的硬件。