Test de la GeForce RTX 5080 : une demi-5090 ?

L'évolution du DLSS

Avant de parler de la dernière itération du Deep Learning Super Sampling aka DLSS, rappelons ce qu'est cette technologie de Nvidia dont l'origine remonte à l'intronisation de Turing (RTX 20). La promesse du DLSS (1) était d'offrir des performances en nette hausse, pour une qualité visuelle équivalente à celle atteinte avec un TAA classique. Pour ce faire, le caméléon procéde au rendu de dizaines de milliers d'images avec une excellente qualité visuelle à partir d'une build du jeu mis à disposition par les développeurs, collectant ainsi le résultat de sortie et les données d'entrée brutes (images en basse résolution et aliasées). Tout ceci peut alors être utilisé lors de l'opération d'apprentissage profond (Deep Learning) à venir. Un réseau de neurones artificiels (de type auto-encodeur convolutif) est entraîné à obtenir cette qualité de sortie avec ces données d'entrée, au moyen de méthodes fortement matheuses (back propagation), ce qui lui permet "d'apprendre" les spécificités propres à ces images.

Il résulte de cet apprentissage un DNN model (Deep Neural Network signifie "réseau de neurones profond") capable d'imiter le comportement observé sur l'échantillon utilisé lors de l'apprentissage, et ce pour un coût bien moindre que la technique originelle. Comment ? Par le biais des Tensor Cores, qui utilisent alors le DNN model sur l'image brute aliasée de définition plus faible, pour inférer en temps réel le rendu anti-aliasé à la définition d'affichage requise. L'inférence est friande des calculs en faible précision où les Tensor Cores excellent. Le résultat bien qu'encourageant restait largement perfectible, ce à quoi Nvidia s'attela avec la version 2 ayant revu en profondeur l'auto-encodeur convolutif (commun à présent à tous les jeux), mais ce n'est pas tout, puisque la technique de Temporal Feedback a été ajoutée. Il s'agit en fait de l'intégration des vecteurs de mouvement aux données d'entrée collectées en basse résolution. Ceux-ci sont ensuite appliqués à la précédente image de sortie (haute qualité), afin d'estimer plus précisément quelle sera l'apparence de la suivante. Cela permet de rendre des images plus nettes en améliorant la stabilité d'une image à la suivante. Nvidia a ensuite poursuivi l'amélioration de son modèle par apprentissage, au fur à mesure de la sortie de nouveaux jeux et la collecte de nouveaux artefacts à corriger.

Le principe du DLSS

Pour le DLSS 3, les verts ont ajouté une nouvelle technologie s'additionnant à l'upscaler : la génération d'image. Nvidia utilise ses unités OFA, pour le coup largement boostées sur les RTX 40, pour analyser le flux optique entre deux images séquentielles dans le jeu et en déduire un "champ de flux optique". Plus clairement, il s'agit d'une cartographie sur laquelle vont être positionnées la direction et la vitesse à laquelle les pixels se déplacent entre l'image 1 et l'image 2. Les unités OFA sont en effet capables de capturer des informations au niveau du simple pixel, une précision que ne permettent pas les vecteurs de mouvement du moteur 3D. Ces derniers sont toutefois utilisés pour suivre les déplacements géométriques au sein de la scène. A l'aide de ces données, un modèle IA va alors générer l'image intermédiaire entre 2 images calculées. Couplée à l'uspcaler, cette technique permet de ne pas calculer mais générer jusqu'à 7/8 des pixels nécessaires (dépend du niveau d'upscaling bien sûr) aux 2 images ainsi traitées.

Compte tenu de l'augmentation de latence liée au principe même de fonctionnement (il faut attendre le rendu de la seconde image avant de pouvoir générer l'image à insérer entre les deux et afficher ensuite tout cela), Nvidia couple systématiquement Reflex à sa Frame Generation. Kesako ? Il s'agit en fait d'une technologie permettant d'éviter au CPU de prendre de l'avance sur le GPU au niveau de l'envoi des images à calculer par ce dernier. Cette synchronisation a pour effet de réduire notablement la latence, mais nécessite pour être efficace (et éviter les faux positifs par les mécanismes de prévention de la triche en ligne) d'être intégrée au sein même du jeu.   

Quid du DLSS 4 à présent ? Commençons par la partie upscaling. Cette dernière subie une modification d'ampleur puisque l'on passe d'un modèle CAE / CNN à un modèle Transformer. Pour en apprendre un peu plus sur ce dernier, nous vous invitons à consulter notre dossier relatif à l'IA (effleurant juste ce vaste sujet, mais qui devrait vous permettre d'obtenir les notions élémentaires pour comprendre la nature du changement). Il innove par un mécanisme d’auto-attention (self-attention dans le jargon anglophone) permettant au réseau de se focaliser sur certains endroits jugés importants et de taille plus grande que ceux possibles via les modèles CNN précédents. Notez que ces Transformers sont la brique de base à l’œuvre dans les derniers réseaux à la mode tel Chat GPT : NVIDIA n’a donc pas fait cavalier seul ce coup-ci. Grâce à cela, les verts communiquent sur une implémentation de la reconstruction d’image 40 % plus rapide et faisant usage de 30 % de VRAM en moins, ce qui permet aux réseaux du DLSS 4 de manger 2 fois plus de paramètres en entrée pour un rendu toujours plus fidèle.

Dans les faits, les réseaux à l’œuvre dans les trois composantes de base du DLSS ont été mis à jour pour tirer partie de cette nouvelle structure : Super Resolution (l'upscaler permettant la mise à l’échelle de rendu effectué dans une définition inférieure)? Ray Reconstruction (débruitage et nettoyage du lancer de rayon) et DLAA (Anti-aliasing par IA). Dans chaque cas, le passage aux Transformers permet de limiter le ghosting (effet de rémanence de l’image précédente), améliorer la restitution des détails, ainsi que diminuer les artefacts temporels. Nvidia avance une charge computationnelle multipliée par 4, ce qui rendra le nouveau modèle certainement plus lent que le précédent sur les cartes disposant de moins de Tensor Cores ou d'itérations précédentes de ces derniers. Et si vous demandez le pourquoi d'un tel changement, les verts indiquent qu'ils ont amélioré durant 6 ans les précédents modèles CNN et qu'ils ne parviennent plus à obtenir d'évolutions visuelles significatives. Il fallait donc passer par cette étape pour franchir un nouveau palier qualitatif.

1/3

Un modèle IA type CNN

2/3

Un modèle IA type Tranformer

3/3

Le modèle Transforme adapté au DLSS

Précédent Suivant

La partie Frame génération évolue aussi largement. Exit l'analyse du flux optique via les OFA, c'est à présent l'IA qui s'en charge avec l'appui des Tensor Cores. Au lieu de se contenter de générer une seule image entre deux images rendues, il est possible de passer ce nombre à 3 maximum avec la MFG (Multi Frames Generation). De quoi quadrupler les performances lorsque couplé à l'upscaling. Nvidia indique qu'il est ainsi possible de générer via l'IA jusqu'à 15/16 des pixels nécessaires pour ces images. Pour améliorer le confort de cette MFG, une technologie nommé Flip Metering permet de lisser l'envoi des images à l'affichage pour éviter les désagréables changements de rythme trop brusques. Enfin, Reflex 2 permettra de son côté d'améliorer encore la latence selon Nvidia, à voir une fois disponible. 

1/6

Principe du Multi Frame Generation

2/6

Flip Metering

3/6

Reflex 2

4/6

Réduction charge de redu

5/6

Compatibilité

6/6

Adoption DLSS

Précédent Suivant

Jetons à présent un œil à la mise en pratique du DLSS 4. Nvidia annonce pas moins de 75 jeux disponibles à la commercialisation des RTX 5080/5090. De notre côté, nous n'avons pu accéder qu'à 6 d'entre eux en version anticipée. Pour atteindre ce nombre, la stratégie des verts s'appuie sur 2 piliers : une intégration native au jeu via un patch des développeurs. C'est la solution préférentielle, mais comme cela dépend de la réactivité des acteurs, Nvidia propose une alternative qui permettra l'activation du nouveau modèle Transformer ou de la Multi Frame Generation au travers d'options intégrées à Nv App. Pour ce faire, il faudra que le jeu dispose déjà d'une implémentation préalable du DLSS (quelle que soit sa version) et que les verts aient validé le jeu pour cela au sein de Nv App. Qui plus est, cela ne permettra pas non plus d'activer la MFG pour un jeu qui n'aurait pas implémenté au préalable la Frame Generation originelle du caméléon. 

Jeux compatible DLSS 4 "day 1"

Nous avons essayé les 2 méthodes pour nous assurer de leur fonctionnement. Ainsi, nous avons eu accès à des branches bêta d'Alan Wake II, Cyberpunk 2077 et Star Wars Outlaws illustrant l'implémentation native. AW2 active par défaut le modèle Transformer mais vous propose une option à cocher pour revenir au modèle précédent. La MFG est activable et la build de test disposait aussi de la prise en charge de la Mega Geometry.  CP2077 propose la même chose (hormis la Mega Geometry) et il en est de même pour SWO, même si la version bêta ne permettait pas de revenir au modèle précédent pour le DLSS (uniquement Transformer).

1/3

Activation MFG Alan Wake 2

2/3

Activation MFG Cyberpunk 2077

3/3

Activation MFG Star Wars Outlaws

Précédent Suivant

Dragon Age: The Veilguard peut de son côté utiliser le DLSS 4 via la technique de remplacement. Via Nvidia App, il est donc possible de changer le modèle (choisir "le plus récent" pour obtenir Transformer), mais aussi la Multi Frame Generation ou encore forcer le DLAA (s'il n'est pas proposé nativement dans le jeu). Cette technique fonctionne tout aussi bien que la native des exemples précédents, tout du moins avec ce jeu.

1/4

Remplacement DLSS 4 depuis Nv App

2/4

Remplacement Modèle DLSS depuis Nv App

3/4

Remplacement Frame Generation depuis Nv App

4/4

Remplacement Super Resolution /DLAA depuis Nv App

Précédent Suivant

Et côté prestations ? Pour mesurer cela, nous avons sur les 4 jeux précédents, mesuré le niveau de performance en faisant varier les différents réglages. L'upscaler version Transformer se montre performant, puisqu'il permet en mode qualité un gain compris entre 65 et 107 % en UHD (le niveau d'upscaling n'est pas systématiquement identique entre titres malgré le choix qualité systématique). L'activation de la MFG amplifie ce phénomène et le nombre d'images par seconde explose littéralement. Malgré cela, le ressenti n'est pas aussi impressionnant que sur RTX 5090 sur certains jeux, en particulier pour Alan Wake 2. La fluidité n'est pas en cause, mais on ressent une certaine lourdeur absente sur sa grande sœur (nous en reparlerons un peu plus bas).

DLSS 4 - Moyenne - MFG - RTX 5080 FE

Les 1% Low profitent également très largement de ces technologies, confirmant un réel confort visuel. Le Frame Pacing est également sous contrôle du fait du transfert de sa responsabilité au GPU (au lieu du CPU), de sorte que la plupart des effets négatifs de la Frame Generation au niveau de la fluidité sont gommés ou à tout le moins atténués. 

DLSS 4 - 1% Low - MFG - RTX 5080 FE

C'est bien beau d'avoir un nombre d'images par seconde qui explose, mais quid de la pénalité côté latence, qui va conditionner la réactivité du jeu à vos actions ? S'il existe bien une pénalité, cette dernière est contenue. et le résultat est toujours bien meilleur qu'en rendu natif. Toutefois, la RTX 5080 étant moins puissante que la 5090 de base, on ne retrouve pas exactement la même sensation de réactivité avec ces réglages ultra exigeants dans cette définition. En fait, on part de trop bas au niveau des images par secondes avant MFG, c'est particulièrement le cas pour Alan Wake II.

Au jugé, il nous semble nécessaire d'obtenir à minima entre 40 et 45 i/s avant d'activer la MFG, pour obtenir une sensation de jeu confortable. Il est donc utile d'adapter les réglages pour atteindre ce seuil, ou opter pour un upscaling plus agressif (Intermédiaire ou Performance à la place de Qualité), sachant que le modèle Transformer permet d'atténuer considérablement la dégradation visuelle entre ces réglages (en particulier avec une définition cible UHD). Cela démontre aussi que la notion de gamme existe toujours et que le MFG ne permet pas de transformer un GPU d'entrée de gamme en monstre tout puissant.

DLSS 4 : Latence - MFG - RTX 5080 FE

Reste à aborder le côtés plus subjectif de la chose : la qualité visuelle. Si notre ressenti global est excellent en première approche (et dans le temps imparti très limité pour se faire une opinion sur le sujet), le nombre de titres compatibles reste limité durant cette phase de test. Des essais plus approfondis que nous pratiquerons dans les semaines / mois qui viennent permettront d'affiner cela. De par son principe d'apprentissage, le modèle Transformer va se bonifier avec le temps, d'ici là nous tâcherons d'évaluer la qualité visuelle au sein des titres disponibles. Tout ceci prenant beaucoup de temps (déjà phagocyté par les tests des cartes), nous vous proposerons des mises à jour à ce sujet dès que possible. il est temps de passer aux nuisances sonores de la carte page suivante.