而光線追蹤技術則是通過通過光源位置、射線、和物體關系進行真實的光線模擬運算，來得出這里應該有哪些光線，有怎樣的反射關系。這樣得出的游戲畫面的光影效果也就更加真實。

光線追蹤在以往游戲中的應用都是在游戲的制作中提前進行運算，將得出的結果寫到游戲程序中，顯卡所做的也僅僅是將已經寫好的“臺詞”念出來。這樣的做法意味著無法實現(xiàn)大量且精細的光線追蹤，那將意味著海量的計算過程和無比巨大的供調用的結果數據。

而“實時光線追蹤”就是將光線追蹤的運算過程拿到游戲過程中來，實時地計算出光線應該投影和反射形成的效果。如果性能足夠強大，不僅可以在同樣的場景中做到更高數量級的光線追蹤效果，游戲畫面可以得到顯著的提高，還能大幅度降低游戲開發(fā)者的運算量。

如果把圖形渲染比喻成一場考試，那么光柵化渲染基本上約等于不會做題目所有的選項都靠直覺來答題；而“光線追蹤”則是將盡可能多的題目死記硬背，靠題海戰(zhàn)術來完成答卷;而“實時光線追蹤”(RTX)技術則是將做題的方式學會，通過聰明的大腦來運算解決遇到的每一個題目。這樣毫無疑問，最后一種方式所得到的分數必然要遠勝前兩者。

落實到游戲的話，目前宣稱支持光線追蹤的游戲并不多，由于微軟DXR的延期，《古墓麗影：暗影》等游戲雖然已經承諾支持，但并未在首發(fā)版本中加入。而另一款NVIDIA演示的RTX游戲《戰(zhàn)地V》也延期上市。所以目前還不能玩到支持實時光線追蹤技術的游戲。但是相信不久的將來，在NVIDIA的推動下，會有更多的支持RTX技術的游戲來到我們面前。

DLSS深度學習超采樣技術

基于AI人工智能技術的“深度學習超級采樣”(DLSS)技術是RTX 20系列顯卡除光線追蹤外的另一項“黑科技”， 這也是圖靈GPU核心中的數量龐大的Tensor Core的用途所在。

原理是這樣的，NVIDIA 使用自己的超級計算機以64 倍于標準分辨率的分辨率運行游戲，繪制出極多的超高畫質的畫面，再用一定的方式挑選出一些細分畫面作為完美渲染的“標準答案”。然后通過DLSS深度學習，將標準分辨率的畫面和這些畫面進行對比，生成一張最優(yōu)畫面，然后再與全尺寸(64倍超采樣)進行對比，得出差別，然后將這些差別反推到神經網絡中，進行循環(huán)訓練。在幾輪之后就人工智能網絡就可以學會如何將標準畫面渲染到接近64倍分辨率原圖的方法。

這些學習結果定期通過軟件更新提供給圖靈GPU的顯卡，通過Tensor Cores，就可以進行實時比對，將較低分辨率的畫面“腦補”為正確的高分辨率畫面，從而實現(xiàn)畫面細節(jié)的提升。超采樣也消滅了畫面中可能存在的鋸齒。

最終的效果就是，要得出一個4K分辨率的高畫質反鋸齒畫面，通過DLSS技術并不需要真的在4K分辨率下渲染畫面，實際渲染一個低分辨率畫面，通過DLSS技術即可達到需要的效果。這樣不僅畫質有所保證，還可以大幅度降低游戲的性能需求，游戲的運行效率將大幅度提升。

雖然效率提升，但畫質方面卻并不會因為DLSS技術而受到損失，相反的，相比TAA(時間性反鋸齒)，DLSS技術大量的機器學習可以避免拖影和細節(jié)錯位，從而獲得更好的反鋸齒效果。

相比需要更深度技術基礎的實時光線追蹤而言，DLSS更加容易實現(xiàn)，所以很多現(xiàn)有的游戲很快就可以經過NVIDIA的運算后支持DLSS技術，運行效率，尤其是4K下的性能會顯著提升。目前NVIDIA承諾的DLSS技術游戲包括《絕地求生》《古墓麗影：暗影》《劍俠情緣三》等眾多我們熟悉的作品。

最新評論