GeForce RTX 一點通：關於 DLSS「深度學習超高取樣」，它真的能夠取代反鋸齒技術嗎？

關於 NVIDIA 在 GeForce RTX 平台追加的兩大技術，除了「即時光線追蹤」（Real-Time Ray Tracing）開啟後，會造成遊戲畫面幀率下降的問題外，簡稱 DLSS 的「深度學習超高取樣」（Deep Learning Super-Sampling），其實也帶來了一些爭議。

關於反鋸齒這回事

首先必須談到「反鋸齒」（Anti-aliasing）在電腦繪圖領域的意義。反鋸齒顧名思義，是減少電腦輸出畫面中，圖像邊緣出現凹凸鋸齒的技術，而鋸齒的出現是由於 3D 圖形坐標定位時，發生不可避免的圖形混疊所導致的。

反鋸齒技術從過去到現在，原理並沒有太大的改變，簡而言之就是用「模糊」換取「精確」，如果要用修圖的概念來比喻，就有點類似「柔邊」的效果。既然要「柔邊」，那一定會經歷的過程，就是對影像進行「採樣」（Sampling），使其模糊化的時候，與原本的鋸齒邊緣看起來相似。

針對完整遊戲畫面而來的「全景反鋸齒」（full scene Anti-aliasing，FSAA）技術，最早發展的是「超級採樣反鋸齒（Super-Sampling Anti-aliasing），也就是玩家很常聽見的 SSAA。

SSAA 與 MSAA

SSAA 技術非常消耗運算資源，因為其原理是將原解析度的遊戲畫面放大，例如 4 倍的 SSAA 就是把原先 1920 X 1080 的畫面，運算出一個 3840 X 2160 的暫存影像，經過取樣後再套用回原畫面中，使其邊緣變得圓滑。這樣的反鋸齒方案簡單、粗暴、效果好，可是大多數的電腦都承受不了。

為了改善 SSAA 過度消耗電腦資源的問題，其變體「多重採樣反鋸齒」（MultiSampling Anti-Aliasing），即 MSAA 成為了現今的主流。雖然與 SSAA 原理相同，但因為 MSAA 會先判斷畫面的邊緣，再針對該處進行放大後才採樣，所以大幅減輕了電腦運算的負擔。

在 MSAA 成為玩家與遊戲開發商，實現反鋸齒方案的寵兒後，NVIDIA 在 2012 年推出了「快速近似反鋸齒」（Fast Approximate Anti-Aliasing）解決方案，即 FXAA，在消耗更少硬體資源的前提下，達到與 MSAA 同等級的反鋸齒效果。

在此之後如「時間混疊反鋸齒」（Temporal Anti-Aliasing，TXAA）或 SMAA、ATAA、CSAA 等眾多反鋸齒技術，隨著技術進步而相繼輩出，採用的遊戲或支援的顯示卡也混雜到難以一一釐清，總而言之人類一直在「反鋸齒」這三個字上持續努力。

DLSS 不是真正意義上的反鋸齒技術

接著就要談到 GeForce RTX 平台的重點技術，「深度學習超高取樣」（Deep Learning Super-Sampling），簡稱 DLSS。見到這個名稱，相信已經有人在質疑，為什麼 DLSS 這個「反鋸齒技術」，並不以「AA」（Anti-Aliasing）結尾，而是強調「取樣」（Sampling）。

因為就實際的原理來說，DLSS 確實並不能算是真正的反鋸齒技術，而只是讓遊戲畫面，看起來像是開啟了反鋸齒技術後的效果。

實現 DLSS 的原理是這樣的。NVIDIA 的 NeuralGraphics Framework 超級電腦，會先蒐集眾多遊戲中，一組數千張 64 倍超高取樣的完美圖像，以及另一組未開啟反鋸齒的圖像，一併交給神經網路進行訓練，看看 AI 如何用較低的效能，模擬出 64 倍取樣的畫面品質，最後就會形成一個通用模型。

接著，NVIDIA 再為上述的通用模型，加入某款遊戲的完美圖像，利用同樣的方法進行針對化訓練後，就可以取得某款遊戲專用的模型，然後再透過驅動程式更新，推送給玩家訓練好、精簡化的打包檔案。

當玩家安裝更新，並開始遊玩擁有 DLSS 模型的遊戲後，GeForce RTX 顯示卡中 Tensor Core，就會利用先前的學習成果，渲染出一個接近 64 倍取樣的畫面濾鏡，套用回玩家的遊戲畫面中，同時降低遊戲內部的渲染解析度，讓玩家在擁有超高反鋸齒畫面之餘，也能兼顧遊戲順暢運行所需的效能。

換句話說，DLSS 將原本反鋸齒技術會執行的「放大」及「取樣」的過程，移到了超級電腦上處理，玩家只要接收更新後，享受 NGX 運算出來的結果即可，這也難怪 DLSS 可以降低電腦的資源消耗，且大幅提高遊戲的幀率表現。

犧牲畫質換取流暢性

但是看似完美的 DLSS 反鋸齒方案並非沒有缺點，根據玩家的測試，DLSS 在某些情況下，很有可能會造成畫面品質不升反降，其原因就在於 AI 訓練的出來模組不夠精確，會把不該模糊化的部分刻意套用反鋸齒，模糊打過頭的結果就是在銳利度和精細度上有所犧牲。

對此 NVIDIA 給出的說法是，除了會持續最佳化 DLSS 的 AI 訓練方式，且「餵」給神經網路更多的畫面素材外，也特地談到 DLSS 功能的應用情境，應該是「高解析度」但「低幀率」的情況下。換言之，NVIDIA 其實比較希望玩家把 DLSS 當成提高遊戲流暢度手段，而不是完全取代掉現有的反鋸齒技術。

DLSS 還有發展空間

總結以上，GeForce RTX 的「深度學習超高取樣」（DLSS）技術，與原始定義的反鋸齒（Anti-Aliasing）其實有著本質上的不同。但不可否認的，在解析度較高的情況下，若玩家的畫面幀率不足，那麼開啟 DLSS 後，也確實可以到享受到順暢的遊戲環境，且同樣可以欣賞到反鋸齒後的畫面，這是以往的 AA 技術所辦不到的特色。

現有的 1080P、60 FPS 環境，已經滿足不了遊戲玩家是個顯著事實，當遊戲與電腦螢幕都朝向高解析度發展時，DLSS 提出了一條兼顧效能、遊戲體驗與畫質呈現的解決方案，是為創舉。但 DLSS 未來是否能成為主流，其實還很難說，起碼就現在的硬體條件而言，這個用 AI 實現的類反鋸齒技術，仍有它一定的利用價值。