NVIDIA Turing mimari analizi: ışığı ve gölgeleri kovalamak, başarı veya başarısızlık belirsizdir
Leifeng.com'a göre, NVIDIAnın Turing mimarisinin ortaya çıkmasının üzerinden bir aydan fazla zaman geçti. GeForce RTX 20 serisinin piyasaya sürülmesi ve gerçek zamanlı ışın izleme teknolojisinin tanıtımı, NVIDIA'nın uzun yıllardır kullanılan "GeForce GTX" i "GeForce RTX" olarak yeniden adlandırmasına olanak tanıdı ve Devrim niteliğindeki oyun grafikleri. Gerçek zamanlı ışın izleme, RT Çekirdeği, Tensor çekirdeği, AI işlevi (yani DLSS), ışın izleme API'si, bunların tümü oyun geliştirme ve GeForce grafik kartlarının gelecekteki gelişimi için yeni bir yönü işaret etmek için bir araya geliyor.
Geçmişte piyasaya sürülen ürünlerden farklı olarak NVIDIA, en son grafik kartının tanıtımını iki bölüme ayırdı: mimari ve performans. Son zamanlarda, NVIDIA nihayet yeni Turing mimarisinin ayrıntılarını açıkladı.Bazı ilginç yönler henüz resmi olarak açıklanmamış olsa da, hala objektif verilerle derinlemesine çalışılması gereken bazı bağlantılar var, ancak aynı zamanda bize GeForce RTX tacı hakkında daha fazla bilgi edinme fırsatı veriyor. Ünlü teknoloji: ışın izleme.
Turingin gerçek zamanlı ışın izleme işlevinin kullanımı DirectXin ışın izleme (DXR) API'sinin, NVIDIAnın OptiX motorunun veya yayınlanmamış Vulkan ışın izleme uzantısının kullanılmasını gerektirse de, oyunlar için DXR henüz son kullanıcılara sunulmamıştır, ancak NVIDIA geleneksel olarak Geliştiricilerden ve ara yazılımlardan (GameWorks gibi) oluşan güçlü bir ekosistemle, hibrit oluşturma (rasterleştirme + ışın izleme) için tüketici desteğine ilham vermek için üst düzey oyunlar kullanmayı umuyorlar.
Daha önce de belirtildiği gibi, NVIDIA, hibrit oluşturma yoluyla tüketici GPU'larının yeniden doğmuş bir dönüşümünü desteklemek için çok çalışıyor. NVIDIA için bu adımın arkasındaki neden, "gerçek zamanlı ışın izlemenin bilgisayar grafiklerinin kutsal kasasıdır" a ek olarak, grafik saflığının ötesine geçen birçok başka potansiyel güdü olmasıdır.
Işın İzleme Dersi 1: niçin
NVIDIA tarafından ışın izleme için kullanılan RT Çekirdeği, Turing mimarisinin iki teknik temel taşından biri olduğundan, ışın izlemenin ne olduğunu ve Turing mimarisine dalmadan önce NVIDIA'nın neden bu kadar çok yatırım yaptığını açıkça tartışmak en iyisidir. Çip kaynakları.
Kısacası ışın izleme, ışığın gerçek dünyadaki performansını (yansıma, kırılma vb.) Simüle eden bir render yöntemidir. Farkına varmaktaki en büyük sorun, neredeyse dipsiz bir çukur kadar abartılı olmasıdır.Eğer sahnedeki her bir ışık kaynağının yaydığı tüm ışığı hesaplamaya çalışmak için en ilkel yöntemi kullanırsanız, sahnede sonsuz ışınları izleyeceksiniz.
Yıllar içinde, algoritma mühendisleri ışın izleme için birçok optimizasyon önlemi geliştirdiler; bunlardan en önemlisi, basit "aydınlatma" konseptini ışık kaynağından ışığı izlemek için değil, ekrandan ve gözlemcinin bakış açısından tersine çevirmektir. Yalnızca ekrana gerçekten ulaşan ışınların hesaplanabilmesi için ışınların izlenmesi, gerekli hesaplama miktarını büyük ölçüde azaltır.
Bununla birlikte, bu yöntemi içeren birçok optimizasyon yöntemiyle bile, ışın izlemenin performans gereksinimleri hala şaşırtıcıdır. En basit ve en kaba ışın izleme dışında, diğer her şey hala gerçek zamanlı görüntülemenin kapsamı dışındadır. Bu optimizasyon teknikleri, ışın izlemenin bir bilgisayarda nispeten "makul" bir sürede tamamlanmasına izin verir. Elbette, bu "makul", sahnenin karmaşıklığına ve elde etmeyi beklediğiniz işleme bağlı olarak saat veya gün olarak ölçülür. etki. Aslında şu ana kadar ışın izleme esas olarak 3B animasyon filmleri gibi "çevrimdışı" sahneler için kullanılmıştır.
Rasterleştirilmiş oluşturma doğru ve yanlış
Işın izlemenin yüksek maliyeti, gerçek zamanlı görüntü oluşturma için kullanılamayacağı anlamına gelir, bu nedenle bilgisayar endüstrisi başından beri rasterleştirme adı verilen bir oluşturma yöntemi kullanmıştır.
İsmin "ışık" kelimesine sahip olmasına rağmen, tüm rasterleştirme işleminde "ışık" kavramı yoktur. Rasterleştirme, 3B geometriyi 2B piksellere dönüştürme sürecini ifade eder.Resmin tüm özel efektleri yalnızca her piksel işlemi içindir.
Oyun bir çerçeve oluşturmaya başladığında, CPU ilk önce oyun sahnesindeki tüm nesnelerin köşelerini oluşturur ve ardından tüm köşelerin koordinat bilgilerini GPU'daki geometri birimine gönderir. Geometrik birim, ekran konumuna göre görsel alanı oluşturur, bu köşeleri koordinatlara göre uzaya yerleştirir ve ardından köşeleri bir tel çerçeveye bağlayarak nesnenin dış hatlarını oluşturur ve ardından yüzeyi ışık bilgisinin bulunduğu bir katmanla kaplar. Altta yatan doku, deri olarak kullanılır. Bu noktada oyun ekranımız şekillenmeye başlayacaktır.
Sonraki, tüm rasterleştirme oluşturma sürecinin özüdür: rasterleştirme GPU'daki rasterleştirici, çizgi perspektif ilişkisine göre tüm görsel alanı üç boyutlu bir şekilden iki boyutlu bir düzleme bastırır. Bundan sonra, akış işlemcisi, sahnedeki nesneler arasındaki geometrik konum ilişkilerine ve çeşitli oluşturma algoritmaları aracılığıyla, hangi piksellerin parlak ve ne kadar parlak, hangi piksellerin karanlık ve ne kadar karanlık, hangi piksellerin vurgu ve hangi piksellerin gölge olduğunu belirler.
Akış işlemcisi piksel bilgilerini hesaplamakla meşgulken, GPU'daki doku birimi de önceden ayarlanmış "bütün" doku malzemesini ekranın gerektirdiği şekilde kesmeye başlar. Son olarak, akış işlemcisi ve doku birimi sırasıyla hesaplanan piksel bilgilerini ve uyarlanmış doku malzemesini GPU'nun arka ucundaki ROP'lara gönderir ve ROP'lar ikisini karıştırıp son ekrana ve çıktıya doldurur. Ek olarak, oyun içindeki sis, alan derinliği, hareket bulanıklığı ve kenar yumuşatma gibi işlem sonrası özel efektler de ROP'lar tarafından tamamlanır.
Bunu gördüğünüzde, gördüğümüz oyun ekranının her karesinin sadece GPU tarafından çizilmiş bir 3B resim olduğunu anlamalısınız. Ressamın seviyesine bağlı olarak 3B stereoskopik resimler gerçekten gerçek dışı görünüyor; ve rasterleştirme ile oluşturulan resimler, işleme algoritmasının gelişmiş ve mükemmel olmasına bağlı olarak gerçekten gerçek dışı.
Hibrit oluşturma, ışın izleme regresyonu
Rasterleştirmenin basitliği ve hızı, gerçek dünyadaki resimlerin simülasyonunun sınırlı olduğunu belirler ve bu da, rasterleştirmede doğal olmayan aydınlatma, yansıma ve gölgenin ortak kusurlarına yol açar. Rasterleştirme o kadar yanlışsa, oyun görüntü kalitesini daha da nasıl artırabilir?
Elbette bu devam edebilir, Rasterleştirme bu sorunları çözmek için imkansız değildir, ancak gerekli bilgi işlem performansı yüksek bir hızla artacaktır. Tıpkı daire içine alınacak on yalan içeren bir yalan söylemek gibi, bazı durumlarda, doğal ışın izleme sürecinden bile daha karmaşık gerçekçi resimler oluşturmak için rasterleştirilmiş görüntülemeyi kullanmak isteyebilirsiniz.
Başka bir deyişle, esasen görsel bir aldatma oluşturma yöntemi olan rasterleştirme üzerinde bu kadar çok performans tüketmek yerine, neden bu çabaları sanal dünyayı doğru bir şekilde işleyebilecek başka bir teknolojiye yatırmayasınız?
2018'de tüm bilgisayar endüstrisi bu konu hakkında düşünüyor. NVIDIA için, ileriye giden yol artık saf rasterleştirme değil, hibrit oluşturmadır: rasterleştirmeyi ışın izleme ile birleştiren fikir, ışık, gölgeler ve gölgeler için mantıklı olduğu yerlerde ışın izlemeyi kullanmaktır. Işığın etkileşimiyle ilgili diğer tüm içerikler ve daha sonra diğer her şeyi işlemek için geleneksel rasterleştirmeyi kullanır; bu, Turing mimarisinin ana fikri.
Bu, geliştiricilerin her iki dünyanın da en iyisine sahip olabileceği ve rasterleştirmenin yüksek performansını ve yüksek ışın izleme kalitesini, rasterleştirmeden ışın izlemeye hemen atlamaya ve öncekinin tüm performans avantajlarını kaybetmeye gerek kalmadan ihtiyaçlarına göre dengeleyebilecekleri anlamına gelir. Şimdiye kadar, doğru gerçek zamanlı yansıtma ve daha iyi küresel aydınlatma gibi NVIDIA ve ortakları tarafından gösterilen durumların uygulanması çok kolaydır, ancak hibrit görüntülemenin aydınlatma ile ilgili tüm operasyonlara genişletilebileceği açıktır.
Bununla birlikte, NVIDIA, Microsoft ve diğer şirketler de bunun için sıfırdan bir ekosistem inşa etmek zorunda kaldılar.Yalnızca geliştiricilere ışın izlemenin avantajlarını satmakla kalmayıp, aynı zamanda geliştiricilere bunu etkili bir şekilde nasıl uygulayacaklarını da öğretmeleri gerekiyor.
Ancak yine de önce ışın izlemeyi tartışabilir ve NVIDIA'nın özel donanım birimleri oluşturarak gerçek zamanlı ışın izlemeyi nasıl gerçeğe dönüştürdüğünü görebiliriz.
Sınır hacim hiyerarşisi
NVIDIA'nın Turing'e büyük bir iddiaya girdiği söylenebilir.Geleneksel GPU mimarisi rasterleştirilmiş görüntülemeyi yüksek hızda işleyebilir, ancak ışın izleme konusunda iyi değildir. Bu nedenle, NVIDIA'nın ışın izleme için özel donanım birimleri eklemesi gerekir ve bu ek transistörler ve güç tüketimi, geleneksel tarama oluşturma işlemine doğrudan katkıda bulunmaz.
Özel donanım biriminin bu bölümü, ışın izlemenin en temel sorununu büyük ölçüde çözmek için kullanılacaktır: ışınların ve nesnelerin kesişimini değerlendirmek. Bu sorunun en yaygın çözümü, üçgenleri ışın izleme için çok uygun bir veri yapısında depolamaktır.Bu veri yapısı BVH (Sınır Hacmi Hiyerarşisi) olarak adlandırılır.
BVH, kavramsal olarak nispeten basittir: Işıkla kesişip kesişmediğini belirlemek için her çokgeni tespit etmek yerine, ışığın kesişip kesişmediğini görmek için sahnenin bir bölümünü algılar. Sahnenin bir bölümü ışıkla kesişirse, daha küçük parçalara bölünür ve tekrar algılanır ve ardından ışık algılaması çözülen tek bir çokgene kadar devam eder.
Bilgisayar bilimcileri için bu, ikili arama uygulamasına çok benziyor ve öyle. Her inceleme, çok sayıda seçeneğin (ışın izlemede çokgenler) olası yanıtlar olarak atılmasına olanak tanır ve doğru çokgene kısa sürede ulaşılabilir. BVH ise, esasen bir ağaç veri yapısında depolanır ve her bir alt bölüm (sınırlayıcı kutu), üst sınırlayıcı kutusunun bir alt düğümü olarak depolanır.
BVH'nin şu anki sorunu, yargılanması gereken ışık kesişimlerinin miktarını temelde azaltmasına rağmen, bunların hepsi tek bir ışın içindir. Her pikselin birden fazla ışın geçmesi gerektiğinde, her ışının çok fazla Algılama, hesaplaması hala düşük değil. Bu nedenle, donanım hızlandırma için özel bir ışın izleme birimi kullanmak çok önemlidir.
Volta ruhunu bütünleştiren Turing mimarisi
Şimdi Turing mimarisine bir göz atalım. Yeni Turing SM, önceki nesil Pascal SM'den çok farklı görünüyor, ancak Volta mimarisini bilen herkes, Turing SM ve Volta SM'nin çok benzer olduğunu kesinlikle fark edebilir.
Volta gibi, Turing SM de 4 alt çekirdeğe (veya işleme bloğuna) bölünmüştür, her alt çekirdeğin tek bir çözgü zamanlayıcısı ve çizelgeleme birimi vardır ve Pascal'ın 2 bölüm ayarı, her bir alt çekirdeğin çözgü zamanlayıcısının iki göreceli olmasıdır. Zamanlama bağlantı noktası.
Genel olarak, bu değişiklik Volta ve Turing'in bir saat döngüsünde bir iş parçacığından ikinci bir bağımlı olmayan talimat verme yeteneğini kaybettiği anlamına gelir. Turing, Volta ile aynı şekilde iki döngüde komutları yürütebilir, ancak programlayıcı her döngüde bağımsız komutlar verebilir, böylece Turing bu şekilde çift yönlü komut düzeyi paralelliğini (ILP) sürdürürken, Pascal'ın performansının iki katıdır. Planlayıcı sayısı.
Volta'da gördüğümüz gibi, bu değişiklikler yeni zamanlama / yürütme modeline yakından bağlıdır ve Turing ayrıca bağımsız bir iş parçacığı planlama modeline sahiptir. Pascal'dan farklı olarak, Volta ve Turing, her iş parçacığı için zamanlama kaynaklarına, iş parçacığının durumunu izlemek için her iş parçacığının bir program sayacına ve yığınına ve aynı çözgünün etkin iş parçacıklarını akıllıca gruplamak için SIMT ünitesi.
CUDA ve ALU (aritmetik mantık birimi) söz konusu olduğunda, Turing alt çekirdeği, Volta alt çekirdeği ile aynı olan 16 INT32 birimi, 16 FP32 birimi ve 2 Tensör birimine sahiptir. Volta gibi bölünmüş bir INT / FP veri yolu modeli kullanan Turing, aynı zamanda FP ve INT komutlarını da çalıştırabilir, bu da RT Core ile yakından ilgilidir. Turing ve Volta arasındaki fark, Turing'in FP64 birimine sahip olmaması ve FP64 veriminin FP32'nin yalnızca 1 / 32'si olmasıdır.
Bu ayrıntılar daha teknik olsa da, Volta'nın tasarımı, diğer bilgi işlem iş yükleriyle yıkıcı paralelliği veya koordinasyonu en aza indirirken Tensor Core'un performansını en üst düzeye çıkarmak gibi görünüyor. Aynı durum, Turing'in ikinci nesil Tensor Core ve RT Core için de geçerlidir; burada 4 bağımsız olarak programlanmış alt çekirdek ve granüler iş parçacığı işleme, karışık oyun odaklı iş yükleri altında en yüksek performansı elde etmek için çok yararlıdır.
Bellek açısından, Turing'in her bir alt çekirdeği, aynı boyutta 64 KB kayıt dosyasına sahip Volta benzeri bir L0 komut önbelleğine sahiptir. Volta'da bu, Tensor Core'un gecikmesini azaltmak için önemlidir ve Turing'de RT Core'a da fayda sağlayabilir. Turing SM ayrıca alt çekirdek başına 4 yükleme / depolama birimine sahiptir; bu, Volta'daki 8'den daha düşüktür, ancak yine de 4 doku birimini korur.
Yeni L1 veri önbelleği ve paylaşılan bellek (SMEM) yukarı doğru daha da genişletildi, iyileştirildi ve Volta'nın bir başka yeniliği olan tek bir bölümlenebilir bellek bloğu halinde birleştirildi. Turing için bu, 64 KB ayrılmış grafik gölgelendirici RAM ve 32 KB doku önbelleği ve kayıt dosyası taşma alanına bölünmüş geleneksel grafik iş yükleriyle birleştirilmiş 96 KB L1 / SMEM gibi görünüyor. Aynı zamanda, bilgi işlem iş yükü L1 / SMEM'i 64 KB'ye kadar L1 olarak ve kalan 32 KB'yi SMEM olarak bölebilir (Volta'nın SMEM'i 96 KB'ye kadar yapılandırılabilir).
RT Core: Hibrit oluşturma ve gerçek zamanlı ışın izleme
Turing'de ışın izleme, geleneksel rasterleştirme oluşturmanın yerini tamamen alamaz, ancak "karma oluşturmanın" bir parçası olarak mevcuttur ve "gerçek zamanlı", piksel başına yalnızca küçük bir miktarda ışık geçirebilir ve büyük miktarda gürültü azaltma ile desteklenir. Koşullar altında.
Performans nedenlerinden ötürü, bu aşamadaki geliştiriciler, küresel aydınlatma, ortam ışığı tıkanması, gölgeler, yansımalar ve kırılma gibi rasterleştirme ile elde edilemeyen bazı gerçekçi efektler elde etmek için ışın izlemeyi kullanacaklar. Işın izleme ayrıca sahnedeki belirli nesnelerle sınırlandırılabilir ve birincil ışın dökümü yerine rasterleştirme ve z-tamponlama kullanılır ve yalnızca ikincil ışın ışını izleme gerçekleştirilir.
Bilgisayar grafikleri alanında ışın izlemenin önemine güvenen NVIDIA Research, uzun süredir çeşitli BVH uygulamalarını inceliyor ve ışın izleme hızlandırmanın mimari sorunlarını araştırıyor. Ancak NVIDIA, RT Core veya BVH uygulaması hakkında pek çok ayrıntı açıklamadı.
RT Core, Tensor Core'dan farklıdır Tensor Core, FP ve INT çekirdekli bir FMA dizisine benzer, RT Core ise daha çok tipik bir yük aktarımı IP bloğu gibidir. Alt çekirdekteki doku birimine çok benzer şekilde, RT Çekirdeğinin talimatları alt çekirdeğin dışına yönlendirilir SM'den ışık dedektörünü aldıktan sonra, RT çekirdeği BVH'yi otonom olarak geçmeye devam eder ve ışık kesişim algılaması gerçekleştirir.
Bu tür "çapraz geçiş ve çapraz geçiş" sabit işlevli ışın izleme hızlandırıcısı iyi bilinen bir kavramdır ve yıllar boyunca birçok kez uygulanmıştır çünkü çapraz geçiş ve çapraz geçiş algılama, hesaplama açısından en yoğun iki görevdir. Bunun tersine, gölgelendiricide BVH'yi geçmek, her ışının, BVH'deki sınırlayıcı kutu kesişimlerini algılamak için kullanılan binlerce talimat yuvası oluşturmasını gerektirecektir.
RT Core ayrıca, birden çok ışın arasında bellek verimini en üst düzeye çıkarmak için bazı bellek işlemlerinin gruplandırılmasını ve planlanmasını yönetir. Diğer birçok iş yükü gibi bellek bant genişliği de ışın izleme için yaygın bir darboğazdır ve aynı zamanda birçok NVIDIA Araştırma makalesinde tartışmanın odak noktasıdır. Işın izlemenin çok düzensiz ve rastgele bellek erişimleri oluşturacağı düşünüldüğünde, SIP bloğunda bazı bellek ve ışın arabellekleri olabilir.
Tensör Çekirdekleri: Oyun oluşturma için derin öğrenme çıkarımını kullanın
Tensor Çekirdekleri Volta'nın tipik bir özelliği olmasına rağmen, Turing'deki ikinci nesil Tensor Çekirdekleri bu sefer maviden çıktı.
İkinci nesil Tensor Core'un ana değişikliği, yeni bir donanım veri yolu ile etkinleştirilen çıkarım için INT8 ve INT4 hassas modlarının eklenmesidir ve nokta biriktirme ürünü bir INT32 ürünü olarak uygulanır. INT8 modunun çalışma hızı, FP16'nın iki katıdır veya saat başına 2048 tamsayı işlemdir; INT4 modunun çalışma hızı, FP16'nın dört katı veya saat başına 4096 tamsayı işlemdir.
İkinci nesil Tensor Core hala FP16 moduna sahiptir ve FP32 akümülatörü olmadan saf FP16 modunu destekleyebilir. CUDA 10 henüz çıkmamış olsa da, geliştirilmiş WMMA işlemleri, işlenenlerin ilave kabul edilebilir matris boyutu gibi diğer tüm farklılıkları hesaba katabilmelidir.
GeForce RTX ve Turing'in getirdiği şey, yalnızca yeni marka adı RTX değil, aynı zamanda Turing'in tüm özelliklerini bir araya getiren NVIDIA RTX platformudur:
NVIDIA RTX platformu: gelişmiş gölgelendiriciler dahil tüm Turing özelliklerini içeren ortak bir platform
NVIDIA RTX ışın izleme teknolojisi: RTX platformu altında ışın izleme teknolojisinin adı
GameWorks Raytracing: Ray izleme gürültü azaltma modülü için GameWorks SDK
GeForce RTX: NVIDIA RTX kullanan gerçek zamanlı ışın izleme ve oyunla ilgili markalar
GeForce RTX: Grafik kartı markası
NGX teknik olarak RTX platformunun bir parçasıdır ve en temsilcisi DLSS (Derin Öğrenme Süper Örnekleme) teknolojisidir. DLSS, oyunlar için özel olarak tasarlanmış bir DNN (Derin Sinir Ağı) kullanır, eğitim için süper yüksek kaliteli 64 kat süper örneklenmiş görüntüler veya gerçek resimler kullanır ve ardından yüksek kaliteli kenar yumuşatma sonuçları çıkarmak için Tensor Çekirdeği kullanır. Standart modda DLSS, hedef çözünürlükte TAA'ya benzer bir etki elde edebilen yüksek güçlü örtüşme önleme sonuçlarını çıkarmak için daha düşük giriş örnekleri kullanır.
Derin öğrenmeyi içerdiğinden, NVIDIA tamamen bilgi işlem / profesyonel işlevleri tüketici alanına itiyor. Turing'de Tensor Core, DLSS gibi özellikleri hızlandırabilir ve ayrıca gerçek zamanlı ışın izleme görüntülemelerini temizlemek ve düzeltmek için belirli AI tabanlı gürültü azaltıcıları hızlandırabilir.
Leifeng.com Özeti
Turing mimarisinin ve Geforce RTX'in piyasaya sürülmesi, tüketici pazarındaki bilgisayar grafiklerinin yanlış görsel aldatmacadan gerçek kovalayan ışık ve gölgeye kadar gelişiminin başlangıcı oldu. Şimdiye kadar, endüstrinin onlara övgüsü her zaman cömert olmuştur.
Turing mimarisi, yapay zeka gürültü azaltma için Tensor Core ile desteklenen özel bir ışın izleme birimi RT Core eklemesine rağmen, Leifeng.comun anlayışına göre, ışın izleme 1080P çözünürlükte temel kullanılabilirliğe sahiptir. Giriş eşiği, her bir karenin 100 milyon ışık içermesidir. Standart olarak 60 fps kullanılırsa, GPU'nun saniyede en az 6 milyar ışığı kaldırabilecek bilgi işlem gücüne ulaşması gerekir.
Geforce RTX 2080Ti / 2080/2070 yeni piyasaya sürülen üç grafik kartına baktığımızda, ışın izleme performansları saniyede 10 milyar / 8 milyar / 6 milyar ışın işliyor ve NVIDIA, geleceğin daha düşük Geforce RTX / GTX 2060 gibi grafik kartları artık ışın izlemeyi desteklemeyecek.
Bunun bir tesadüf olup olmadığını bilmiyorum. Geforce RTX 2070'in ışın izleme performansı, yukarıda belirtilen temel kullanılabilirlik ile giriş eşiğine ulaşıyor. Bu açıdan bakıldığında, alt uç grafik kartlarının ışın izlemeyi desteklememesi anlaşılabilir.
Ek olarak, belki de mevcut ışın izleme algoritması çok basittir ve ışık ile gölge arasındaki ilişkinin restorasyonunda hala hatalar meydana gelebilir. Örneğin, NVIDIA, RTX efektini göstermek için Battlefield V oyununu kullandığında, arabanın yangını yansıtmasında bir hata oluştu. Kırmızı çerçevedeki abajur, arabanın arkasındaki ateşten uzağa bakıyordu. Bir açıdan bakıldığında, herhangi bir şey olmamalı Yangın yansıması:
Ve son performans testlerine göre, en üst düzey Geforce RTX 2080Ti bile, ışın izlemeyi açtıktan sonra 1080P'de yalnızca yaklaşık 45 fps'lik bir kare hızını koruyabilir, bu açıkça teorik performanstan çok daha düşüktür. Çeşitli durumlar, bu aşamada ışın izlemenin hala "kullanılabilirlik" eşiğinin kenarında dolaştığını gösteriyor.Turing ve Geforce RTX grafik kartlarının bu adımı geçip geçmediğini söylemek gerçekten zor ...
aracılığıyla: Anandtech
