英特尔和 UCSC 致力于开发一种很有前途的 NVIDIA DLSS 替代方案。 英伟达用 DLSS 2.0 标志着一个转折点，这是一种智能重新缩放技术，激发了英特尔和 UCSC 开发一个非常有趣的替代方案，尽管它确实仍处于早期阶段，因此还有很长的路要走。
NVIDIA 的 DLSS 2.0 技术使用一系列算法（人工智能）来生成重建过程，将不同的图像组合在一起以创建完美的框架。
传统的重新缩放技术使用较少的像素进行渲染，并从已渲染的像素中推断出其余部分。 为了改善结果，它应用了一个临时图像过滤器来柔化边缘并减少锯齿，但通常最终会产生模糊。
DLSS 2.0 技术不是这样工作的。 的确，它也是从较低的分辨率开始，即以目标分辨率的 50% 或 67% 渲染图像，具体取决于我们选择的设置，但不限于拉伸或填充缺失的部分像素，相反，它执行实时组合图像的过程，以完成产生高质量图像的重建周期。 它非常有效，正如我们当时所看到的，它甚至可以胜过应用 TAA 的原始分辨率设置。
- 英特尔瞄准带有“Jasper Lake”处理器的廉价PC
- 图片显示了 Nvidia RTX 3090、RTX 3080 和 RTX 3070 的尺寸
- NVIDIA 发布 GeForce RTX 3070、3080 和 3090 具有突破性变化
DLSS 2.0 允许您使用一半的像素获得完美的图像，并智能地重新缩放到 16K 分辨率，正如我们的许多读者所知道的，这一成就之所以成为可能，要归功于人工智能以及包括 RTX 20 在内的 Tensor 核心和 RTX 30 显卡，专用于加速此工作负载。
英特尔和UCSC也想在这个领域进军
为了实现这一目标，它与 UCSC 一起开发了一种智能重新缩放技术，我们已经看到该技术与演示“渗透器”一起使用，这是我们已经使用了几年（2013 年推出）的经典之作，它使用虚幻引擎 4。
英特尔的智能重缩放技术基于一种类似于英伟达的 DLSS 技术的方法，使用称为 QW-Net 的神经网络来执行图像重建过程。 据负责该项目的人员称，完成此过程所需的操作中有 95% 是 4 位整数。
英特尔和 UCSC 结合了两个专门用于不同任务的 U 形网络。 第一个侧重于从图像中提取特征，第二个侧重于输出图像的过滤和重建。 两个网络的作用完全不同，尽管我们必须清楚第一个网络代表更大的计算负载。 另一方面，第二个代表较低的工作量（在计算级别），但它需要更高的精度，这样它的误差范围就更小。
可以想象，这个网络在重复的基础上累积帧，这允许随着时间的推移获得稳定的结果，并获得与应用了 TAA 的本地渲染几乎没有什么可羡慕的输出质量，正如我们在附加的视频中看到的那样。 不幸的是，这项技术还没有准备好像 NVIDIA DLSS 2.0 那样实时工作，所以我们不会在短期或中期看到这种情况。
尽管如此，这是一个非常有趣的解决方案，了解英特尔和 UCSC 面临的技术困难，让我们能够以更深刻的方式内化 NVIDIA DLSS 2.0 所取得的巨大进步。
