Технологический детектор: почему открытый алгоритм AMD FSR выигрывает у проприетарного ИИ NVIDIA DLSS
В мире компьютерной графики велись ожесточённые дебаты о превосходстве двух гигантов: NVIDIA с её нейросетевым DLSS и AMD с алгоритмическим FSR. В то время как первая сторона опиралась на дорогостоящие специализированные ядра, AMD выбрала путь математической чистоты и доступности. Глубокий анализ показывает, что FSR 1.0, основанный на адаптивном фильтре Ланцоша, смог превзойти ранние версии DLSS не только в скорости, но и в гибкости внедрения, оставив индустрию открытыми инструментами.
# Самый подробный обзор AMD FSR: победа математики над нейросетями?
В эпоху, когда видеокарты начинают уступать требованиям AAA-игр, индустрия столкнулась с выбором: платить за качество изображения и частоту кадров с помощью проприетарных нейросетей или использовать универсальные алгоритмы. NVIDIA предложила DLSS (Deep Learning Super Sampling), который мгновенно захватил рынок, но AMD ответила иначе. Вместо сложного обучения матричных ядер для каждой игры, инженеры компании вернулись к основам математической обработки сигналов.
Пространственный апскейлинг против нейронных сетей
Ключевое различие кроется в подходе. NVIDIA DLSS 2 и последующие версии полагаются на машинное обучение, используя тензорные ядра для предсказания пикселей на основе предыдущих кадров. Это требует значительных аппаратных ресурсов и обучения модели для каждого приложения.
Напротив, FSR 1.0 (FidelityFX Super Resolution) — это пространственный апскейлер. Он не анализирует историю кадров. Его задача — увеличить разрешение одного изображения с меньшего на большее, используя только данные текущего кадра. Главной «фишкой» технологии стал фильтр EASU (Edge Adaptive Spatial Upsampling), который является модификацией классического фильтра Ланцоша (Lanczos filter), разработанного метеорологом Клодом Дюшоном в 1979 году и основанного на математике венгерского физика Корнелиуса Ланцоша.
Фильтр Ланцоша известен своей способностью сохранять резкость при изменении размера изображения, избегая «мыла», которое возникает при использовании простейших методов интерполяции. В FSR 1.0 этот алгоритм стал пространственно адаптивным: он анализирует градиенты яркости, определяя границы объектов, и динамически настраивает веса для каждого нового пикселя. Это позволяет алгоритму «додумывать» недостающие детали без участия искусственного интеллекта, что делает его невероятно эффективным для слабых устройств.
Универсальность открытого кода
Почему AMD выбрала этот путь? В 2021 году, когда вышла FSR 1.0, у компании не было широкого доступа к тензорным ядрам в потребительских видеокартах, как это было у NVIDIA. Архитектура RDNA 2 (серия RX 5000 и RX 6000) lacked специализированных блоков для ускорения ИИ. Решение инженеров было гениальным: создать алгоритм, работающий на любых GPU, от старых GTX до встроенной графики.
Технология вышла под открытой лицензией MIT. Это означает, что любую игру можно оснастить FSR, не дожидаясь одобрения корпорации. Разработчики встроили его в движки, и пользователи получили инструмент, работающий даже на консолях PS5 и Xbox Series X/S, где архитектура основана на решениях AMD. В отличие от DLSS, который требовал создания отдельной нейросети для каждой игры, FSR использовал один универсальный математический движок.
Однако путь не был безоблачным. FSR 1.0 страдал от проблем с качеством на низких настройках. При масштабировании с Full HD до 4K он часто демонстрировал потерю мелких деталей, артефакты шума и размытие текста на интерфейсах (HUD). Для компенсации это пришлось использовать агрессивный пост-фильтр резкости (RCAS), который иногда создавал неестественные ореолы вокруг объектов. Также алгоритму требовалось предварительное сглаживание сцены для корректной работы, что усложняло настройку для разработчиков игр с упрощенным сглаживанием TAA.
Эволюция: от математики к времени
Недовольство качеством привело к кардинальной переработке. FSR 2.0 ознаменовался переходом от чисто пространственного апскейлинга к временному (Temporal Upscaling). В отличие от DLSS 2, который тоже использует временные данные, FSR 2.0 реализовал это без необходимости в тензорных ядрах, оптимизировав конвейер рендеринга и заменив TAA (Temporal Anti-Aliasing) непосредственно алгоритмом масштабирования.
Эта версия смогла значительно улучшить стабильность кадров и детализацию, используя векторы движения для отслеживания объектов между кадрами. Несмотря на то, что FSR 3.0 уже начала интегрировать генерацию кадров (Frame Generation) и FSR 4.x начинает использовать элементы машинного обучения, фундаментальный успех технологии 1.0 остается неизменным: открытость и адаптивность позволили AMD обойти NVIDIA на дистанции доступности и совместимости.
В итоге, FSR доказал, что не только нейросети могут спасать производительность. Умная математика, понятная человеческому уму и доступная всем, иногда оказывается лучшим решением, чем закрытая магия искусственного интеллекта, требующая дорогих чипов для своего существования.