FSR 4 від AMD підвищує деталізацію, але втрачає в частоті кадрів у порівнянні з FSR 3

Перші незалежні тести технології масштабування FSR 4 від AMD виявили цікавий нюанс, як виявилося, оновлення може трохи знизити частоту кадрів у порівнянні з попередньою версією FSR 3. Тести провів один з користувачів платформи X, використовуючи свіжий інструментарій FFX SDK 2.0 для розробників, а в якості тестового стенду використовувалася відеокарта Radeon RX 9070 XT. Режими Frame Generation і вертикальної синхронізації були вимкнені для чистоти експерименту.

Результати тестів показали, що з FSR 3.1.5 система видала 290 кадрів на секунду, а після переходу на FSR 4.0.2 показник впав до 276 fps. Більш детальний аналіз показав, що час, витрачений відеокартою безпосередньо на процес апскейлінгу, збільшився з 0.51 мс до 0.70 мс, при цьому загальне навантаження на графічний процесор підскочило на 37%.

Усе діло в фундаментальному зміні підходу до апскейлінгу. FSR 3 в основному використовувала менш вимогливі до ресурсів алгоритми, нова ж, четверта версія, активно залучає машинне навчання. Для аналізу та відновлення картинки вона оперує такими даними, як вектори руху об'єктів і інформація з сусідніх кадрів, що дозволяє досягти більш чіткого і якісного зображення, але й вимагає більших обчислювальних потужностей.

Важливо розуміти, що на практиці просадка в 14 кадрів може бути практично непомітна, особливо в більшості сучасних ігор і при високих налаштуваннях графіки. Падіння продуктивності торкається лише невеликої частини загального процесу формування кадра. Для одиночних проектів з багатою візуалізацією подібний компроміс на користь якості цілком виправданий, однак для кіберспортсменів і тих, хто прагне до максимального FPS у змагальних дисциплінах, цей момент може бути принциповим.

Раніше AMD випадково опублікувала вихідний код своєї технології FSR 4 на GitHub, і хоча компанія оперативно видалила файли, ліцензія MIT зробила їх законно доступними для всіх, хто встиг створити копії. Цей інцидент не лише надав ентузіастам і розробникам унікальну можливість вивчити внутрішню кухню алгоритму.