در سال‌های اخیر، صنعت بازی‌های ویدیویی بیش از هر زمان دیگری به‌دنبال دستیابی به گرافیکی واقع‌گرایانه‌تر بوده است. فناوری‌هایی مانند Ray Tracing و Path Tracing، در کنار نمایشگرهای 4K و حتی 8K، کیفیت بصری بازی‌ها را به سطحی بی‌سابقه رسانده‌اند؛ اما این پیشرفت‌ها هزینه سنگینی نیز به همراه داشته‌اند. اجرای چنین جلوه‌های گرافیکی به توان پردازشی بسیار بالایی نیاز دارد و حتی قدرتمندترین کارت‌های گرافیک نیز همیشه قادر نیستند در رزولوشن‌های بالا، نرخ فریم مطلوب و پایداری را ارائه دهند.

در چنین شرایطی، فناوری Upscaling به یکی از مهم‌ترین نوآوری‌های دنیای گرافیک تبدیل شد. برخلاف تصور رایج، Upscaling صرفاً بزرگ‌تر کردن یک تصویر با رزولوشن پایین نیست؛ بلکه مجموعه‌ای از الگوریتم‌های پیشرفته است که با استفاده از اطلاعات فریم‌های قبلی، داده‌های حرکتی و در برخی موارد هوش مصنوعی، تصویری باکیفیت و نزدیک به رزولوشن اصلی تولید می‌کنند. نتیجه این فرایند، افزایش چشمگیر عملکرد بازی‌ها بدون افت محسوس کیفیت تصویر است.

امروزه فناوری‌هایی مانند DLSS از انویدیا، FSR از AMD و XeSS از اینتل، به بخش جدایی‌ناپذیر بازی‌های مدرن تبدیل شده‌اند و بسیاری از کاربران هنگام خرید کارت گرافیک یا اجرای یک بازی جدید، آن‌ها را به اندازه قدرت خام سخت‌افزار مهم می‌دانند. اما Upscaling دقیقاً چگونه کار می‌کند؟ چه تفاوتی با کاهش ساده رزولوشن دارد و چرا آینده صنعت بازی تا این اندازه به آن گره خورده است؟

در این مقاله، ابتدا با مفهوم Upscaling و نحوه عملکرد آن آشنا می‌شویم، سپس مهم‌ترین فناوری‌های این حوزه را به‌صورت مقدماتی معرفی می‌کنیم تا در مقالات بعدی، هر یک را به‌صورت تخصصی و با جزئیات بیشتری بررسی کنیم.

فناوری Upscaling چیست؟

به زبان ساده، Upscaling یا "بزرگ‌نمایی هوشمند تصویر" فناوری‌ای است که به بازی اجازه می‌دهد به‌جای رندر شدن در رزولوشن نهایی، ابتدا در رزولوشنی پایین‌تر پردازش شود و سپس با استفاده از الگوریتم‌های پیشرفته، به رزولوشن بالاتری بازسازی گردد. هدف اصلی این فرآیند، کاهش فشار روی کارت گرافیک و افزایش نرخ فریم، بدون افت محسوس کیفیت تصویر است.

برای درک بهتر، فرض کنید یک بازی را روی نمایشگر 4K اجرا می‌کنید. در حالت عادی، کارت گرافیک باید بیش از ۸ میلیون پیکسل را در هر فریم پردازش کند؛ کاری که حتی برای قدرتمندترین سخت‌افزارها نیز، به‌ویژه در بازی‌های مجهز به Ray Tracing یا Path Tracing، بسیار سنگین است. اما با فعال کردن فناوری Upscaling، بازی ممکن است ابتدا در رزولوشن 1440p یا حتی 1080p رندر شود و سپس تصویر حاصل با استفاده از الگوریتم‌های بازسازی، به رزولوشن 4K تبدیل شود.

در نگاه اول، این روش شبیه به بزرگ کردن یک تصویر کم‌کیفیت به نظر می‌رسد؛ اما تفاوت اصلی در اینجاست که فناوری‌های مدرن Upscaling تنها تصویر را کش نمی‌دهند. آن‌ها با تحلیل اطلاعاتی مانند جزئیات فریم‌های قبلی، داده‌های حرکتی اجسام (Motion Vectors)، اطلاعات عمق صحنه (Depth Buffer) و در برخی موارد مدل‌های مبتنی بر هوش مصنوعی، تصویری تولید می‌کنند که در بسیاری از صحنه‌ها شباهت بسیار زیادی به رندر بومی (Native Resolution) دارد.

به همین دلیل، Upscaling دیگر صرفاً یک راهکار برای افزایش عملکرد نیست؛ بلکه به یکی از فناوری‌های کلیدی صنعت بازی‌های ویدیویی تبدیل شده است. امروزه بسیاری از بازی‌های AAA با فرض استفاده از فناوری‌هایی مانند DLSS، FSR یا XeSS طراحی می‌شوند و حتی برخی جلوه‌های گرافیکی پیشرفته، مانند Path Tracing، بدون بهره‌گیری از این فناوری‌ها عملاً با نرخ فریم مناسب قابل اجرا نیستند.

چرا فناوری Upscaling به وجود آمد؟

تا چند سال پیش، اجرای اکثر بازی‌ها در رزولوشن 1080p با نرخ فریم مناسب، برای بسیاری از کارت‌های گرافیک میان‌رده نیز امکان‌پذیر بود. اما با پیشرفت سریع فناوری‌های گرافیکی، شرایط به‌تدریج تغییر کرد. نمایشگرهای 1440p و 4K به استاندارد جدید بازار تبدیل شدند، جلوه‌های بصری پیچیده‌تری مانند Ray Tracing به بازی‌ها راه یافتند و توسعه‌دهندگان نیز مدل‌های سه‌بعدی با جزئیات بیشتر، بافت‌های حجیم‌تر و نورپردازی واقع‌گرایانه‌تری را به آثار خود اضافه کردند. تمام این پیشرفت‌ها کیفیت بصری را افزایش دادند، اما در مقابل، فشار بسیار بیشتری را به سخت‌افزار وارد کردند.

دلیل این موضوع را می‌توان با یک مثال ساده درک کرد. هرچه رزولوشن تصویر بالاتر باشد، کارت گرافیک باید تعداد بیشتری پیکسل را در هر فریم پردازش کند. در حالی که یک تصویر 1080p حدود ۲ میلیون پیکسل دارد، این عدد در 1440p به حدود ۳.۷ میلیون پیکسل و در 4K به بیش از ۸.۳ میلیون پیکسل می‌رسد. به بیان دیگر، اجرای یک بازی در رزولوشن 4K به معنای پردازش چهار برابر پیکسل‌های 1080p در هر فریم است؛ آن هم بدون در نظر گرفتن جلوه‌های سنگینی مانند Ray Tracing یا Path Tracing.

از سوی دیگر، اگرچه کارت‌های گرافیک نسل‌به‌نسل قدرتمندتر می‌شوند، اما سرعت افزایش توان سخت‌افزاری دیگر به اندازه گذشته نیست. در مقابل، پیچیدگی بازی‌ها و هزینه پردازش هر فریم با سرعت بیشتری رشد کرده است. به همین دلیل، اتکا به قدرت خام سخت‌افزار دیگر راه‌حل پایداری برای افزایش کیفیت گرافیکی محسوب نمی‌شود.

در چنین شرایطی، صنعت بازی‌های ویدیویی به رویکردی متفاوت روی آورد. به‌جای آنکه کارت گرافیک همه پیکسل‌های تصویر را مستقیماً در رزولوشن نهایی رندر کند، ابتدا صحنه در رزولوشنی پایین‌تر پردازش می‌شود و سپس با استفاده از الگوریتم‌های بازسازی تصویر، به رزولوشن هدف ارتقا می‌یابد. این همان ایده‌ای است که هسته اصلی فناوری Upscaling را شکل می‌دهد؛ روشی که می‌تواند نرخ فریم را به شکل محسوسی افزایش دهد، در حالی که کیفیت تصویر همچنان به رزولوشن اصلی نزدیک باقی بماند.

امروزه این فناوری دیگر یک قابلیت جانبی محسوب نمی‌شود، بلکه به یکی از ارکان اصلی طراحی بازی‌های مدرن تبدیل شده است. بسیاری از عناوین جدید، به‌ویژه آن‌هایی که از Ray Tracing یا Path Tracing استفاده می‌کنند، برای دستیابی به عملکرد مطلوب، تا حد زیادی به فناوری‌های Upscaling متکی هستند.

تفاوت Native Resolution، Resolution Scaling و Upscaling

اگرچه اصطلاحات Native Resolution، Resolution Scaling و Upscaling اغلب در کنار یکدیگر به کار می‌روند، اما هر یک مفهوم متفاوتی دارند و نباید آن‌ها را با هم اشتباه گرفت. درک تفاوت این سه روش، پایه‌ای‌ترین قدم برای شناخت فناوری‌های مدرن مانند DLSS، FSR و XeSS محسوب می‌شود.

• فناوری Native Resolution

در این روش، بازی دقیقاً با همان رزولوشن نمایشگر رندر می‌شود. برای مثال، اگر از یک مانیتور 4K استفاده کنید، کارت گرافیک باید تمام ۸.۳ میلیون پیکسل هر فریم را به‌صورت مستقیم پردازش کند. این روش بالاترین کیفیت تصویر را ارائه می‌دهد، اما در عین حال بیشترین فشار را نیز به پردازنده گرافیکی وارد می‌کند.

به همین دلیل، اجرای بازی‌های سنگین در رزولوشن Native، به‌ویژه هنگام فعال بودن فناوری‌هایی مانند Ray Tracing یا Path Tracing، به سخت‌افزار بسیار قدرتمندی نیاز دارد.

• فناوری Resolution Scaling

"مقیاس‌بندی رزولوشن" یا همان Resolution Scaling یکی از ساده‌ترین راه‌های افزایش عملکرد است. در این روش، موتور بازی رزولوشن داخلی را کاهش می‌دهد؛ برای مثال، یک بازی ممکن است به‌جای 4K، در 108p یا 1440p رندر شود. سپس تصویر بدون استفاده از الگوریتم‌های پیشرفته، به اندازه رزولوشن نمایشگر کشیده می‌شود.

این روش اگرچه باعث افزایش نرخ فریم می‌شود، اما معمولاً کیفیت تصویر را نیز کاهش می‌دهد. کاهش وضوح، تار شدن جزئیات و ایجاد لبه‌های ناهموار از رایج‌ترین مشکلات Resolution Scaling هستند.

• فناوری Upscaling

این فناوری نیز مانند Resolution Scaling بازی را ابتدا در رزولوشنی پایین‌تر رندر می‌کند، اما تفاوت اصلی در مرحله بازسازی تصویر است. به‌جای بزرگ کردن ساده تصویر، فناوری‌های مدرن از الگوریتم‌های پیچیده استفاده می‌کنند تا جزئیات از دست رفته را تا حد امکان بازسازی کنند.

برای انجام این کار، فناوری‌هایی مانند DLSS، FSR و XeSS از اطلاعاتی نظیر داده‌های حرکتی اجسام (Motion Vectors)، اطلاعات عمق صحنه (Depth Buffer)، فریم‌های قبلی و در برخی موارد مدل‌های هوش مصنوعی استفاده می‌کنند. به همین دلیل، خروجی آن‌ها معمولاً بسیار نزدیک‌تر به رزولوشن Native است و در بسیاری از صحنه‌ها تشخیص تفاوت آن‌ها برای کاربر دشوار خواهد بود.

به بیان ساده، اگر Resolution Scaling تنها تصویر را بزرگ می‌کند، Upscaling تلاش می‌کند آن را بازسازی کند.

همان‌طور که مشاهده می‌کنید، هر سه روش با هدف نمایش تصویر در رزولوشن نهایی روی مانیتور استفاده می‌شوند، اما تفاوت آن‌ها در نحوه تولید این تصویر است. در حالی که Native Resolution تمام جزئیات را مستقیماً رندر می‌کند و Resolution Scaling تنها تصویر را بزرگ‌تر نشان می‌دهد، Upscaling با استفاده از اطلاعات اضافی تلاش می‌کند کیفیت از دست رفته را جبران کند و تعادلی میان کیفیت تصویر و عملکرد ایجاد کند.

فناوری Spatial Upscaling چیست؟

نخستین نسل از فناوری‌های Upscaling بر پایه روشی به نام Spatial Upscaling یا "بزرگ‌نمایی فضایی" توسعه یافتند. همان‌طور که از نام آن پیداست، این روش تنها به اطلاعات موجود در فریم فعلی متکی است و هیچ اطلاعی از فریم‌های قبل یا بعد ندارد.

در این روش، بازی ابتدا در رزولوشنی پایین‌تر رندر می‌شود و سپس الگوریتم Upscaling با تحلیل همان تصویر، تلاش می‌کند آن را به رزولوشن بالاتری تبدیل کند. این الگوریتم معمولاً با بررسی رنگ پیکسل‌های مجاور، لبه‌ها، کنتراست و الگوهای موجود در تصویر، جزئیات جدیدی ایجاد کرده یا لبه‌های تصویر را نرم‌تر می‌کند تا نتیجه نهایی طبیعی‌تر به نظر برسد.

مزیت اصلی Spatial Upscaling، سادگی و سرعت بالای آن است. از آنجا که این روش تنها با یک فریم سروکار دارد، به اطلاعات اضافی مانند داده‌های حرکتی، اطلاعات عمق یا فریم‌های قبلی نیازی ندارد. همین موضوع باعث می‌شود پیاده‌سازی آن ساده‌تر باشد و روی طیف گسترده‌ای از کارت‌های گرافیک، حتی سخت‌افزارهای قدیمی‌تر، قابل اجرا باشد.

با این حال، همین سادگی بزرگ‌ترین نقطه‌ضعف آن نیز محسوب می‌شود. از آنجا که الگوریتم تنها یک تصویر را در اختیار دارد، نمی‌تواند جزئیاتی را که واقعاً در فریم وجود ندارند با دقت بالایی بازسازی کند. در نتیجه، خروجی معمولاً نسبت به رزولوشن Native نرم‌تر به نظر می‌رسد و در صحنه‌هایی با بافت‌های پیچیده، خطوط نازک یا نوشته‌های ریز، کاهش وضوح و از بین رفتن جزئیات بیشتر به چشم می‌آید.

به همین دلیل، کیفیت Spatial Upscaling تا حد زیادی به الگوریتم مورد استفاده وابسته است. برخی الگوریتم‌ها می‌توانند لبه‌ها را بهتر بازسازی کنند یا از فیلترهای شارپن برای افزایش وضوح استفاده کنند، اما در نهایت همه آن‌ها با یک محدودیت مشترک روبه‌رو هستند: نمی‌توان از یک تصویر، اطلاعاتی را استخراج کرد که اساساً در آن وجود ندارد.

نمونه‌ای شناخته‌شده از این رویکرد، FSR 1 شرکت AMD است که تنها بر پایه Spatial Upscaling عمل می‌کند. هرچند این فناوری در زمان معرفی خود توانست عملکرد بازی‌ها را به شکل محسوسی افزایش دهد، اما کیفیت تصویر آن در بسیاری از سناریوها با فناوری‌های جدیدتر فاصله داشت. همین محدودیت‌ها باعث شد صنعت بازی به‌تدریج به سمت روش پیشرفته‌تری به نام Temporal Upscaling حرکت کند؛ روشی که به‌جای تکیه بر یک فریم، از اطلاعات چندین فریم برای بازسازی تصویر استفاده می‌کند.

فناوری Temporal Upscaling چیست؟

برخلاف Spatial Upscaling که تنها به اطلاعات موجود در یک فریم متکی است، Temporal Upscaling یا "بزرگ‌نمایی زمانی" از داده‌های چندین فریم متوالی برای بازسازی تصویر استفاده می‌کند. به بیان ساده، این فناوری تنها به آنچه در لحظه روی صفحه دیده می‌شود نگاه نمی‌کند، بلکه اطلاعاتی را که در فریم‌های قبلی ثبت شده‌اند نیز در اختیار دارد و از آن‌ها برای افزایش کیفیت تصویر بهره می‌گیرد.

هنگام اجرای یک بازی، بسیاری از جزئیات صحنه در هر فریم تغییر نمی‌کنند. برای مثال، بافت دیوارها، شاخه‌های درختان، اجزای ساختمان‌ها یا حتی جزئیات چهره شخصیت‌ها معمولاً در چندین فریم متوالی قابل مشاهده هستند. فناوری Temporal Upscaling با ترکیب این اطلاعات، تصویری کامل‌تر و دقیق‌تر از آنچه تنها در یک فریم وجود دارد ایجاد می‌کند.

البته این کار به سادگی کنار هم قرار دادن چند تصویر نیست. اگر شخصیت بازی یا دوربین در حال حرکت باشد، محل قرارگیری اجسام در هر فریم تغییر می‌کند. به همین دلیل، موتور بازی اطلاعاتی مانند Motion Vectors را در اختیار الگوریتم قرار می‌دهد تا مشخص شود هر پیکسل نسبت به فریم قبل چه میزان و در چه جهتی جابه‌جا شده است. همچنین از داده‌هایی مانند Depth Buffer برای تشخیص فاصله اجسام از دوربین استفاده می‌شود تا فرآیند بازسازی تصویر با دقت بیشتری انجام گیرد.

نتیجه این رویکرد، تصویری است که معمولاً جزئیات بیشتری نسبت به Spatial Upscaling دارد. لبه‌ها نرم‌تر هستند، بافت‌ها واضح‌تر دیده می‌شوند و اجسام ریز مانند سیم‌ها، حصارها یا شاخ و برگ درختان با دقت بیشتری بازسازی می‌شوند. به همین دلیل، بسیاری از فناوری‌های مدرن می‌توانند حتی در رزولوشن‌های پایین‌تر نیز تصویری تولید کنند که شباهت زیادی به رزولوشن Native داشته باشد.

البته Temporal Upscaling بی‌نقص نیست. اگر اطلاعات حرکتی به‌درستی ثبت نشوند یا الگوریتم نتواند داده‌های فریم‌های مختلف را به‌خوبی با یکدیگر ترکیب کند، مشکلاتی مانند Ghosting (باقی ماندن رد اجسام متحرک)، Flickering (پرش یا لرزش جزئیات ریز) و ناپایداری برخی بافت‌ها به وجود می‌آید. به همین دلیل، توسعه یک فناوری Temporal Upscaling باکیفیت، به الگوریتم‌های بسیار پیچیده و در برخی موارد مدل‌های مبتنی بر هوش مصنوعی نیاز دارد.

امروزه تقریباً تمام فناوری‌های پیشرفته این حوزه، از جمله DLSS، FSR 2 و نسخه‌های جدیدتر و XeSS، از Temporal Upscaling به‌عنوان پایه اصلی بازسازی تصویر استفاده می‌کنند. تفاوت این فناوری‌ها بیش از آنکه در اصل ایده باشد، به روش تحلیل داده‌ها، الگوریتم‌های بازسازی و میزان بهره‌گیری آن‌ها از هوش مصنوعی بازمی‌گردد.

فناوری های Motion Vectors و Depth Buffer چه نقشی دارند؟

همان‌طور که در بخش قبل اشاره شد، فناوری‌های مبتنی بر Temporal Upscaling برای بازسازی تصویر تنها به فریم فعلی متکی نیستند، بلکه از اطلاعات فریم‌های گذشته نیز استفاده می‌کنند. اما این کار یک چالش بزرگ دارد؛ اجسام و دوربین در بازی دائماً در حال حرکت هستند. اگر الگوریتم نداند هر بخش از تصویر چگونه جابه‌جا شده است، ترکیب فریم‌ها نه‌تنها کمکی به افزایش کیفیت نمی‌کند، بلکه می‌تواند باعث ایجاد خطاهای بصری شود.

اینجاست که Motion Vectors وارد عمل می‌شوند. Motion Vector یا "بردار حرکتی" مجموعه‌ای از داده‌هاست که توسط موتور بازی تولید می‌شود و به الگوریتم نشان می‌دهد هر پیکسل یا هر جسم نسبت به فریم قبلی چه مقدار و در چه جهتی حرکت کرده است. به کمک این اطلاعات، فناوری آپسکیلینگ می‌تواند جزئیات فریم‌های گذشته را با موقعیت صحیح آن‌ها در فریم جدید تطبیق دهد و تصویری دقیق‌تر ایجاد کند.

در کنار آن، Depth Buffer یا "بافر عمق" نیز نقش مهمی ایفا می‌کند. این داده مشخص می‌کند هر پیکسل در چه فاصله‌ای از دوربین قرار دارد. دانستن عمق اجسام به الگوریتم کمک می‌کند تا عناصر نزدیک و دور را از یکدیگر تشخیص دهد و هنگام بازسازی تصویر، مرز میان آن‌ها را با دقت بیشتری حفظ کند. برای مثال، اگر یک شخصیت از مقابل یک دیوار عبور کند، اطلاعات عمق مانع از آن می‌شود که جزئیات این دو جسم به اشتباه با یکدیگر ترکیب شوند.

ترکیب Motion Vectors و Depth Buffer باعث می‌شود الگوریتم بتواند صحنه را بهتر درک کند و از اطلاعات چندین فریم برای بازسازی تصویری پایدارتر و باکیفیت‌تر استفاده کند. به همین دلیل، دقت این داده‌ها تأثیر مستقیمی بر کیفیت خروجی فناوری‌های مدرن آپسکیلینگ دارد. اگر Motion Vectors به‌درستی تولید نشوند یا اطلاعات عمق ناقص باشند، احتمال بروز مشکلاتی مانند Ghosting، Flickering یا لرزش جزئیات افزایش پیدا می‌کند.

البته Motion Vectors و Depth Buffer تنها بخشی از اطلاعات مورد استفاده در فناوری‌های مدرن هستند. برخی از راهکارها، به‌ویژه آن‌هایی که از هوش مصنوعی بهره می‌برند، داده‌های دیگری را نیز برای بازسازی تصویر تحلیل می‌کنند. با این حال، تقریباً تمام فناوری‌های Temporal Upscaling، از جمله DLSS، FSR 2 و نسخه‌های جدیدتر و XeSS، برای دستیابی به کیفیت بالاتر به این دو مؤلفه وابسته هستند.

چرا Temporal Upscaling کیفیت بهتری دارد؟

اگرچه Spatial Upscaling توانست راهکاری مؤثر برای افزایش عملکرد بازی‌ها ارائه دهد، اما محدودیت‌های ذاتی آن باعث شد این روش نتواند پاسخگوی نیاز بازی‌های مدرن باشد. از آنجا که Spatial Upscaling تنها به اطلاعات یک فریم متکی است، امکان بازسازی دقیق جزئیاتی که در تصویر وجود ندارند بسیار محدود است. در نتیجه، بافت‌های ریز، خطوط باریک و لبه اجسام معمولاً با کاهش وضوح یا از بین رفتن جزئیات مواجه می‌شوند.

در مقابل، Temporal Upscaling به جای تحلیل یک تصویر، از اطلاعات چندین فریم متوالی استفاده می‌کند. این رویکرد به الگوریتم اجازه می‌دهد جزئیاتی را که ممکن است در یک فریم به‌خوبی دیده نشوند، از فریم‌های قبلی استخراج و با تصویر فعلی ترکیب کند. به همین دلیل، خروجی نهایی معمولاً طبیعی‌تر، پایدارتر و به رزولوشن Native نزدیک‌تر است.

یکی دیگر از مزایای مهم Temporal Upscaling، کاهش پدیده Aliasing یا دندانه‌دار شدن لبه‌هاست. از آنجا که این فناوری اطلاعات بیشتری از صحنه در اختیار دارد، می‌تواند لبه‌ها را با دقت بالاتری بازسازی کند و از ایجاد شکستگی یا لرزش در خطوط نازک جلوگیری کند. همچنین بافت‌های پیچیده‌ای مانند شاخ و برگ درختان، سیم‌ها، نرده‌ها یا مو، معمولاً کیفیت بسیار بهتری نسبت به روش‌های صرفاً Spatial دارند.

البته دستیابی به چنین کیفیتی بدون هزینه نیست. Temporal Upscaling به اطلاعات بیشتری از موتور بازی نیاز دارد و توسعه آن نیز پیچیده‌تر است. علاوه بر این، اگر داده‌هایی مانند Motion Vectors یا Depth Buffer دقیق نباشند، ممکن است مشکلاتی مانند Ghosting یا Flickering ایجاد شود. به همین دلیل، شرکت‌هایی مانند انویدیا، AMD و اینتل سال‌ها روی بهبود الگوریتم‌های بازسازی تصویر کار کرده‌اند تا این خطاها را تا حد امکان کاهش دهند.

امروزه تقریباً تمام فناوری‌های پیشرفته آپسکیلینگ، از جمله DLSS 2 و نسخه‌های جدیدتر، FSR 2 و نسخه‌های جدیدتر و XeSS، بر پایه Temporal Upscaling توسعه یافته‌اند. این موضوع نشان می‌دهد که صنعت بازی‌های ویدیویی، این روش را به‌عنوان استاندارد جدید بازسازی تصویر پذیرفته است؛ استانداردی که تعادل بسیار بهتری میان کیفیت تصویر و عملکرد ایجاد می‌کند.

البته داستان به همین‌جا ختم نمی‌شود. در سال‌های اخیر، شرکت‌های سازنده کارت‌های گرافیک گام دیگری نیز برداشته‌اند و از فناوری‌های بازسازی تصویر برای تولید فریم‌های کاملاً جدید استفاده کرده‌اند؛ قابلیتی که با نام Frame Generation شناخته می‌شود و نسل تازه‌ای از فناوری‌های افزایش عملکرد را شکل داده است.

فناوری Frame Generation چیست؟

تا اینجا دیدیم که فناوری‌های Upscaling با رندر کردن بازی در رزولوشنی پایین‌تر و بازسازی هوشمند تصویر، می‌توانند بدون کاهش محسوس کیفیت، نرخ فریم را افزایش دهند. اما در سال‌های اخیر، شرکت‌های سازنده کارت‌های گرافیک رویکردی جاه‌طلبانه‌تر را در پیش گرفته‌اند؛ رویکردی که به‌جای بازسازی تصویر، فریم‌های کاملاً جدید تولید می‌کند.

این فناوری که با نام Frame Generation شناخته می‌شود، بین دو فریم واقعی که توسط کارت گرافیک رندر شده‌اند، یک یا چند فریم جدید ایجاد می‌کند. برای انجام این کار، الگوریتم با استفاده از اطلاعاتی مانند Motion Vectors، داده‌های فریم‌های قبلی و در برخی فناوری‌ها مدل‌های هوش مصنوعی، حرکت اجسام و دوربین را پیش‌بینی کرده و فریمی جدید را به‌صورت مصنوعی تولید می‌کند.

به‌عنوان مثال، اگر کارت گرافیک بتواند یک بازی را با نرخ ۶۰ فریم بر ثانیه اجرا کند، فناوری Frame Generation این امکان را دارد که با تولید فریم‌های میانی، نرخ نمایش را به مقادیر بالاتری مانند ۱۲۰ فریم بر ثانیه برساند. نتیجه این فرآیند، روان‌تر شدن حرکت تصاویر و تجربه‌ای نرم‌تر در بسیاری از بازی‌ها است.

البته باید توجه داشت که فریم‌های تولیدشده، جایگزین پردازش واقعی کارت گرافیک نمی‌شوند. از آنجا که این فریم‌ها بر اساس پیش‌بینی ساخته می‌شوند، در برخی شرایط ممکن است خطاهای بصری یا افزایش تأخیر ورودی (Input Latency) ایجاد شود. به همین دلیل، فناوری‌های مختلف از روش‌های گوناگونی برای کاهش این مشکلات استفاده می‌کنند.

امروزه DLSS Frame Generation، FSR Frame Generation و فناوری‌های مشابه، به یکی از مهم‌ترین قابلیت‌های کارت‌های گرافیک مدرن تبدیل شده‌اند. با این حال، Frame Generation بخشی از فناوری Upscaling محسوب نمی‌شود، بلکه قابلیتی مکمل است که در کنار آن برای افزایش هرچه بیشتر عملکرد بازی‌ها مورد استفاده قرار می‌گیرد.

در مقالات بعدی، نحوه عملکرد Frame Generation، تفاوت پیاده‌سازی آن در DLSS و FSR و همچنین مزایا و محدودیت‌های هر یک را با جزئیات بیشتری بررسی خواهیم کرد.

آشنایی اولیه با DLSS، FSR و XeSS

با فراگیر شدن فناوری Upscaling، شرکت‌های بزرگ تولیدکننده پردازنده‌های گرافیکی نیز راهکارهای اختصاصی خود را برای بازسازی هوشمند تصویر توسعه دادند. اگرچه هدف نهایی همه این فناوری‌ها یکسان است؛ یعنی افزایش نرخ فریم بدون کاهش محسوس کیفیت تصویر، اما هرکدام از آن‌ها از روش‌ها، الگوریتم‌ها و در برخی موارد سخت‌افزارهای متفاوتی برای دستیابی به این هدف استفاده می‌کنند.

امروزه سه فناوری DLSS، FSR و XeSS مهم‌ترین راهکارهای Upscaling در صنعت بازی‌های ویدیویی محسوب می‌شوند.

• فناوری DLSS

فناوری Deep Learning Super Sampling یا به اختصار DLSS، فناوری اختصاصی انویدیا است که نخستین بار هم‌زمان با معرفی کارت‌های گرافیک سری GeForce RTX عرضه شد. این فناوری با بهره‌گیری از هوش مصنوعی و هسته‌های اختصاصی Tensor Cores، تصویر را با کیفیتی نزدیک به رزولوشن Native بازسازی می‌کند.

این فناوری طی سال‌های اخیر پیشرفت چشمگیری داشته و امروزه علاوه بر Super Resolution، قابلیت‌هایی مانند Frame Generation و Ray Reconstruction را نیز در اختیار کاربران قرار می‌دهد. به همین دلیل، بسیاری از کارشناسان آن را پیشرفته‌ترین فناوری آپسکیلینگ حال حاضر می‌دانند.

• فناوری FSR

فناوری FidelityFX Super Resolution یا FSR، راهکار AMD برای افزایش عملکرد بازی‌ها است. برخلاف DLSS، این فناوری به سخت‌افزار اختصاصی وابسته نیست و روی طیف وسیعی از کارت‌های گرافیک AMD، انویدیا و حتی برخی پردازنده‌های گرافیکی اینتل نیز قابل استفاده است.

نسخه‌های ابتدایی FSR از Spatial Upscaling استفاده می‌کردند، اما از FSR 2 به بعد، این فناوری نیز به Temporal Upscaling روی آورد و کیفیت تصویر آن به‌طور محسوسی بهبود یافت. متن‌باز بودن و سازگاری گسترده، از مهم‌ترین ویژگی‌های FSR به شمار می‌روند.

• فناوری XeSS

فناوری Xe Super Sampling یا XeSS، فناوری اختصاصی اینتل است که برای رقابت با DLSS و FSR توسعه یافته است. این فناوری نیز بر پایه Temporal Upscaling عمل می‌کند و در کارت‌های گرافیک Intel Arc از واحدهای اختصاصی هوش مصنوعی XMX برای بازسازی تصویر بهره می‌برد.

یکی از ویژگی‌های قابل‌توجه XeSS این است که علاوه بر کارت‌های گرافیک اینتل، روی بسیاری از محصولات AMD و انویدیا نیز قابل اجرا است؛ هرچند بهترین عملکرد آن روی سخت‌افزارهای اختصاصی اینتل به دست می‌آید.

در نگاه اول، این سه فناوری هدف مشترکی دارند، اما تفاوت‌های مهمی در نحوه بازسازی تصویر، استفاده از هوش مصنوعی، نیازمندی‌های سخت‌افزاری، کیفیت خروجی و عملکرد آن‌ها وجود دارد. همین تفاوت‌ها باعث شده است هرکدام نقاط قوت و ضعف خاص خود را داشته باشند و انتخاب بهترین گزینه، به سخت‌افزار و نیازهای کاربر بستگی داشته باشد.

فناوری Upscaling در سال‌های اخیر از یک قابلیت جانبی برای افزایش نرخ فریم، به یکی از ارکان اصلی گرافیک بازی‌های مدرن تبدیل شده است. امروزه بسیاری از عناوین AAA برای ارائه تجربه‌ای روان در رزولوشن‌های بالا و هنگام استفاده از فناوری‌هایی مانند Ray Tracing یا Path Tracing، به نوعی از بازسازی هوشمند تصویر متکی هستند. به همین دلیل، آشنایی با مفاهیمی مانند Spatial Upscaling، Temporal Upscaling، Motion Vectors و Frame Generation، دیگر تنها به کاربران حرفه‌ای محدود نمی‌شود و برای هر علاقه‌مند به دنیای سخت‌افزار و بازی‌های ویدیویی اهمیت دارد.

اگرچه هدف تمامی فناوری‌های Upscaling، دستیابی به تعادل میان کیفیت تصویر و عملکرد است، اما هر شرکت مسیر متفاوتی را برای رسیدن به این هدف انتخاب کرده است. انویدیا با DLSS بر هوش مصنوعی و سخت‌افزار اختصاصی تکیه دارد، AMD با FSR بر سازگاری گسترده و دسترسی آسان تمرکز کرده و اینتل نیز با XeSS تلاش می‌کند ترکیبی از این دو رویکرد را ارائه دهد. همین تفاوت‌ها باعث شده است هیچ‌یک از این فناوری‌ها کاملاً مشابه یکدیگر نباشند و هرکدام نقاط قوت و محدودیت‌های خاص خود را داشته باشند.

در این مقاله، با مفاهیم پایه و سازوکار کلی فناوری Upscaling آشنا شدیم و دیدیم که چگونه این فناوری به یکی از مهم‌ترین ابزارهای افزایش عملکرد در بازی‌های مدرن تبدیل شده است. در ادامه این مجموعه، هر یک از فناوری‌های DLSS، FSR و XeSS را به‌صورت جداگانه بررسی خواهیم کرد و با نحوه عملکرد، تاریخچه، مزایا، محدودیت‌ها و تفاوت‌های آن‌ها بیشتر آشنا خواهیم شد.