Amd
A differenza della soluzione proposta da NVIDIA nel suo DLSS, pubblicato il 20 Settembre 2022, la soluzione AMD piú nota come AFMF e parte del progetto OpenGPU, è stata pubblicata il 25 Agosto 2023.
AFMF è una delle tante tecnologie proposte da AMD in formato open-source, che garantisce uno sviluppo piú flessibile e trasparente delle proprie tecnologie, che non si limitano unicamente al campo RADEON, ma garantiscono l’accessibilità a tutte le GPU anche se concorrenti (le tecnologie OpenGPU funzionano anche su gpu nvidia e intel ad esempio).
Ad oggi OpenGPU include diverse tecnologie proposte in formato open-source:
- FidelityFX: Suite di effetti visivi che punta a migliorare la qualità dell’immagine nei giochi tramite
una serie di impostazioni e filtri sviluppati. - Radeon Rays: Libreria di tracciamento dei raggi ad alte prestazioni, utile nel comparto
RayTracing e sfruttata nella versione RT-VULKAN. - Radeon ProRender: Motore di rendering accurato, utilizzato nei videogiochi o per
rappresentazioni 3D. - Fluid Motion Frames (AFMF): Tecnologia di generazione di frame per migliorare la fluidità visiva
nei giochi.
FUNZIONAMENTO
La differenza fondamentale tra le due tecnologie risiede principalmente nell’approccio scelto dalle due case di produzione: mentre NVIDIA preferisce utilizzare hardware proprietario per la generazione dei frame, affidandosi alla sua architettura DLSS, AMD adotta un approccio che fa maggior uso dell’intelligenza artificiale proprietaria, senza dipendere completamente dall’hardware specifico e garantendo una soluzione più flessibile, supportata da tutte le schede video indipendentemente dal
produttore.
ANALISI DEI FRAME CONSECUTIVI
Proprio come nvdia, il sistema analizza i frame consecutivi generati dalla GPU per comprendere il movimento e la posizione degli oggetti all’interno della scena.
PREDIZIONE DEL MOVIMENTO
Utilizzando algoritmi di intelligenza artificiale, AFMF predice il movimento degli oggetti tra i frame. Questa analisi tiene conto anche del colore dei singoli pixel nel frame preso in esame, e confrontandoli con quelli adiacenti (frame antecedenti e successivi) per comprendere come l’oggetto transita nella scena.
GENERAZIONE FRAME INTERMEDI
Sulla base delle predizioni, AFMF genera frame aggiuntivi che vengono inseriti tra i frame originali. Questi frame intermedi sono creati calcolando le variazioni di posizione e di movimento degli oggetti, grazie alle analisi precedentemente effettuate e arricchite tramite informazioni ottenute da algoritmi proprietari, cercando sempre di mantenere una transizione fluida.
OUTPUT FINALE
I frame intermedi generati artificialmente vengono combinati con i frame originali aumentando il numero dei frames effettivamente renderizzati.
CONCLUSIONI
Come citato più volte, la differenza sostanziale sta nell’approccio effettivo che le due tecnologie sfruttano e nella gamma di GPU a cui si riferiscono. AFMF utilizza machine learning e intelligenza artificiale per la generazione di fotogrammi e, sebbene scelga un approccio full-software, trova comunque un utilizzo ottimizzato sulle proprie GPU grazie all’architettura Radeon. Questo approccio non richiede hardware proprietario specifico, rendendolo più flessibile e accessibile rispetto alla tecnologia di NVIDIA, che si basa su hardware dedicato come i Tensor Cores delle GPU RTX per il suo DLSS Frame Generation.
