Vergleich von Nvidia DLSS 4 und AMD FSR 4: Welche Upscaling-Technologie ist die beste?

Nvidias Deep Learning Super Sampling (DLSS)-Technologie gilt seit langem als bahnbrechende Neuerung in der Grafikleistung. Mit der kürzlichen Einführung von DLSS 4, das ein fortschrittliches Transformer-Modell enthält, hat Nvidia seine führende Position in der Gaming-Branche weiter ausgebaut. AMD hingegen hat mit seiner Konkurrenztechnologie FidelityFX Super Resolution (FSR) große Fortschritte gemacht. Trotz der bisherigen Defizite von FSR im Vergleich zu DLSS soll AMDs neuestes KI-basiertes Angebot FSR 4 diese Lücke schließen.

Dieser Artikel bietet eine umfassende Analyse von DLSS 4 und FSR 4 und hebt die Stärken und Schwächen beider Technologien hervor, um festzustellen, welche die bessere Leistung und Bildqualität bietet.

Nvidia DLSS 4 vs. AMD FSR 4: Ein umfassender Vergleich

FSR 4 vs. FSR 3.1 und Native 4K (Bild über AMD)

Bewertung der Bildqualität bei Upscaling-Technologien

Nvidias DLSS-Technologie nutzt künstliche Intelligenz, um eine bemerkenswerte Bildqualität zu erzeugen und die Bildtreue mit jeder Iteration auf ein neues Niveau zu heben. DLSS 4 bietet derzeit zwei KI-gesteuerte Modelle: das CNN- Modell, das für Nutzer entwickelt wurde, die neben akzeptabler Bildqualität auch Wert auf Leistung legen, und das Transformer- Modell, das sich durch visuelle Klarheit bei minimalem Leistungsabfall auszeichnet.

Im Gegensatz dazu stützte sich AMDs FSR-Technologie bisher auf rechenbasierte Algorithmen bis FSR 3, wodurch eine größere Bandbreite an AMD Radeon GPUs, einschließlich integrierter, von Leistungsverbesserungen profitieren konnte. Diese Anpassungsfähigkeit ermöglichte es auch älteren Nvidia GTX-Karten, FSR zu nutzen, um verbesserte Bildraten zu erzielen.

FSR wurde jedoch kritisiert, da es nicht die Bildqualität von DLSS erreicht, insbesondere im Vergleich zum neuesten Transformer-Modell. Als Reaktion auf Kundenfeedback hat AMD mit FSR 4 durch die Einführung von KI-Algorithmen erhebliche Verbesserungen vorgenommen. Dieses Update hat die Upscaling-Technologie deutlich verbessert, einige Mängel bleiben jedoch bestehen.

FSR 4 liefert nun eine Bildqualität, die das DLSS-CNN-Modell übertrifft, bleibt aber bei statischen Szenen hinter DLSS Transformer zurück. Interessanterweise übertrifft FSR 4 in dynamischen Situationen oft sowohl das DLSS-CNN- als auch das Transformer-Modell. Eine bemerkenswerte Einschränkung von FSR 4 ist jedoch die Kompatibilität nur mit den neuesten GPUs der Radeon 9000-Serie, im Gegensatz zu DLSS 4, das alle Nvidia RTX-GPUs unterstützt, einschließlich der älteren RTX 2000-Serie.

Frame-Generierung: Analyse von Leistungsverbesserungen

Upscaling-Technologien wie DLSS steigern die Leistung (Bild über Nvidia)

Die Frame Generation (FG)-Technologie fügt einen zuvor erstellten Frame zwischen zwei gerenderte Frames ein und verdoppelt so theoretisch die Framerate eines Spiels. Nvidia nutzt künstliche Intelligenz, um visuelle Artefakte und Ghosting zu reduzieren, diese Probleme können jedoch weiterhin auftreten.

AMDs FG-Ansatz nutzt Rechenkerne und sorgt so für eine sauberere Grafik mit weniger Problemen als Nvidias früheres CNN-Modell. Dennoch zeigt das Transformer-Modell in DLSS bei der Frame-Generierung immer noch einen leichten Vorteil gegenüber FSR 4.

Im Bereich der Multi-Frame-Generierung behält Nvidia einen klaren Vorsprung, da AMD noch keine vergleichbare Technologie eingeführt hat.

Nvidia DLSS 4 vs. AMD FSR 4: Das Urteil

Trotz der mit FSR 4 erzielten Fortschritte behält Nvidias DLSS 4 Transformer-Modell die Gesamtbildqualität, insbesondere bei Standbildern, fest im Griff. FSR 4 übertrifft zwar DLSS CNN bei Bewegungen, zeigt aber einen Bereich mit Wettbewerbswachstum auf.

Auch bei der Frame-Generierung übertrifft FSR 4 DLSS FG unter Verwendung des CNN-Modells, indem es klarere Bilder mit weniger Artefakten bietet. DLSS FG unter Verwendung des Transformer-Modells ist jedoch immer noch besser als FSR 4 FG.

Zusammenfassend lässt sich sagen, dass Nvidia zwar seinen Wettbewerbsvorteil behält, der Abstand jedoch deutlich kleiner geworden ist, was für die Zukunft spannende Entwicklungen für beide Technologien erwarten lässt.

Quelle & Bilder