A tecnologia Deep Learning Super Sampling (DLSS) da Nvidia tem sido aclamada há muito tempo como uma virada de jogo no desempenho gráfico. Com o lançamento recente do DLSS 4, que incorpora um modelo Transformer avançado, a Nvidia reforçou ainda mais sua posição na vanguarda da indústria de jogos. Por outro lado, a AMD tem feito progressos em sua tecnologia concorrente conhecida como FidelityFX Super Resolution (FSR).Apesar das deficiências anteriores do FSR em comparação ao DLSS, a oferta mais recente da AMD, FSR 4, alimentada por IA, parece fechar essa lacuna.
Este artigo fornece uma análise abrangente do DLSS 4 e do FSR 4, destacando os pontos fortes e fracos de ambas as tecnologias para determinar qual oferece desempenho e qualidade de imagem superiores.
Nvidia DLSS 4 vs AMD FSR 4: Uma comparação abrangente
Avaliação da qualidade da imagem em tecnologias de upscaling
A tecnologia DLSS da Nvidia utiliza inteligência artificial para produzir qualidade de imagem notável e, a cada iteração, ela escala a fidelidade visual para novos patamares. Atualmente, o DLSS 4 oferece dois modelos baseados em IA: o modelo CNN, projetado para usuários que valorizam o desempenho juntamente com a qualidade de imagem aceitável, e o modelo Transformer, que se destaca na clareza visual ao custo de uma queda mínima no desempenho.
Por outro lado, a tecnologia FSR da AMD dependia anteriormente de algoritmos baseados em computação até o FSR 3, permitindo que uma gama mais ampla de GPUs AMD Radeon, incluindo as integradas, se beneficiassem de melhorias de desempenho. Essa adaptabilidade significava que até mesmo placas Nvidia GTX mais antigas podiam aproveitar o FSR para aproveitar taxas de quadros aprimoradas.
No entanto, o FSR enfrentou críticas por não ter a qualidade de imagem encontrada no DLSS, principalmente quando comparado ao modelo mais recente do Transformer. Respondendo ao feedback do consumidor, a AMD fez melhorias substanciais com o FSR 4 ao introduzir algoritmos de IA. Esta atualização aprimorou significativamente a tecnologia de upscaling, embora algumas deficiências permaneçam.
O FSR 4 agora é capaz de fornecer qualidade de imagem que supera o modelo DLSS CNN, embora ainda fique aquém do DLSS Transformer quando as cenas são estáticas. Curiosamente, em situações dinâmicas, o FSR 4 frequentemente ofusca os modelos DLSS CNN e Transformer. Uma limitação notável do FSR 4, no entanto, é sua compatibilidade apenas com as mais recentes GPUs da série Radeon 9000, ao contrário do DLSS 4, que suporta todas as GPUs Nvidia RTX, incluindo aquelas da antiga série RTX 2000.
Geração de quadros: analisando melhorias de desempenho
A tecnologia Frame Generation (FG) opera inserindo um quadro criado anteriormente entre dois quadros renderizados, teoricamente dobrando a taxa de quadros de um jogo. A Nvidia emprega IA para reduzir artefatos visuais e fantasmas, embora esses problemas ainda possam surgir.
A abordagem da Amd para FG alavanca núcleos de computação, resultando em visuais mais limpos com menos problemas do que o modelo CNN anterior da Nvidia. No entanto, o modelo Transformer em DLSS ainda demonstra uma ligeira vantagem sobre FSR 4 na geração de quadros.
No reino da Geração Multi-Frame, a Nvidia mantém uma liderança definitiva, já que a AMD ainda não introduziu tecnologia comparável.
Nvidia DLSS 4 vs AMD FSR 4: O Veredicto
Apesar dos avanços alcançados com o FSR 4, o modelo DLSS 4 Transformer da Nvidia mantém um controle firme sobre a qualidade geral da imagem, particularmente em cenas estáticas. Embora o FSR 4 possa superar o DLSS CNN durante o movimento, ele destaca uma área de crescimento competitivo.
Da mesma forma, quando se trata de geração de quadros, o FSR 4 supera o DLSS FG utilizando o modelo CNN ao oferecer visuais mais limpos com menos artefatos; no entanto, o DLSS FG utilizando o modelo Transformer ainda prevalece sobre o FSR 4 FG.
Concluindo, embora a Nvidia mantenha sua vantagem competitiva, a diferença diminuiu consideravelmente, sugerindo desenvolvimentos interessantes no futuro para ambas as tecnologias.
Deixe um comentário ▼