Deep Learned Super-Sampling (DLSS) - Computerphile Computerphile English Turkish

Deep Learned Super-Sampling (DLSS) - ComputerphileYouTube↗ IA↗(long shot)
198.6K views 6.9K likes 74 dislikes 22 Feb 2019 Show Contributors 2

Computerphile 2.6M subscribers N/A YouTube↗

Contributed subtitles

English Kevin Amipara

Click to Play Video

We'll talk about, uh, Deep Learned Super-Sampling.

Derin Öğrenilmiş Süper Örneklemeden bahsedeceğiz.

So yeah, it's got a fancy name. It sounds cool. It is quite cool.

Yani evet, süslü bir ismi var. Kulağa hoş geliyor. Oldukça havalı.

Let's imagine you're running a game, right?

Oyun oynadığınızı düşünelim, değil mi?

I don't do that as often as I'd like anymore.

Bunu artık istediğim kadar sık yapmıyorum.

But- but- maybe you're pushing your graphics card right to the limit of where it- where it's happy, right?

Ama- ama- belki de grafik kartınızı, sınırın sınırına kadar zorluyorsunuz - nerede mutlu, değil mi?

You've got a 4K monitor, you're pushing a lot of pixels to the screen,

4K monitörünüz var, ekrana birçok piksel bastırıyorsunuz.

the game is a big game with lots of- lots of effects.

Oyun çok fazla etkiye sahip büyük bir oyundur.

The problem is that then your frame rate's going to start suffering.

Sorun şu ki, kare hızınız acı çekmeye başlayacak.

So maybe what we could do is run at a lower frame rate,

Belki yapabileceğimiz şey daha düşük bir kare hızında koşmaktır.

which is going to be that much easier for your graphics card, and then use deep learning

grafik kartınız için bu kadar kolay olacak ve daha sonra derin öğrenmeyi kullanacaksınız.

to recreate that 4K image - and if the deep learning is good enough, you won't be able to tell the difference.

Bu 4K imajını yeniden yaratmak için - ve derin öğrenme yeterince iyi ise, farkı anlatamazsınız.

So the most recent generation of Nvidia graphics cards have these Tensor Cores on board, right?

Yani en yeni nesil Nvidia ekran kartı bu Tensor Cores'e sahip değil mi?

Tensor Cores are basically very quick matrix multiplication circuitry.

Tensör Çekirdek temelde çok hızlı matris çarpma devreleridir.

Matrix multiplication comes up a lot in deep learning, which is kind of what these were designed around.

Matris çarpımı, derin öğrenmelerde çok fazla ortaya çıkar, ki bunlar neye göre tasarlandı.

But it has some applications to games, a little bit.

Fakat biraz da oyunlara bazı uygulamaları var.

I'm going to betray my lack of knowledge about modern games, but I don't really know much about them.

Modern oyunlar hakkındaki bilgi eksiklerime ihanet edeceğim, ama onlar hakkında pek bir şey bilmiyorum.

I play some games, but very easy ones.

Bazı oyunlar oynarım ama çok kolay oyunlar.

So, I- you know, I'm not running games at 4K and worrying about framerates, right?

Yani, biliyorum, 4K'da oyun oynamıyorum ve kare hızları için endişeleniyorum, değil mi?

But some people do concern themselves with these things and they spend a lot of money on these graphics cards,

Ancak bazı insanlar bu şeylerle ilgileniyor ve bu grafik kartlarına çok para harcıyorlar,

and they want them to run as well as they can.

ve ellerinden geldiğince iyi koşmalarını istiyorlar.

The problem is that maybe some game comes out,

Sorun şu ki, belki bir oyun çıkıyor.

and it has a huge demand on your- on your GPU, right? For every pixel in your game.

GPU'nuzda çok büyük bir talep var, değil mi? Oyununuzdaki her piksel için.

The GPU's gotta work out which triangles in the world

GPU'nun dünyada hangi üçgenleri bulması gerektiği

it needs to - you know - it needs to render what color they're going to be,

yapması gereken - bilirsin - ne renk olacaklarını göstermesi gerekiyor,

it's got to include lighting and shadows,

aydınlatma ve gölgeleri içermelidir,

you know, blurs and - you know - depth of field effects, like I was talking about last- last video.

biliyorsunuz, bulanıklaştırır ve - bilirsiniz - alan efektlerinin derinliği, son videodan bahsettiğim gibi.

You know, this takes a long time and the more pixels you use, the worse it gets.

Biliyorsun, bu uzun zaman alıyor ve ne kadar çok piksel kullanıyorsan o kadar kötü olur.

OFF-SCREEN: And motion blur, of course?

OFF-SCREEN: Ve elbette hareket bulanıklığı?

And motion blur, I know people love motion blur. I myself can't get enough of it.

Hareket bulanıklığı, insanların hareket bulanıklığını sevdiğini biliyorum. Ben kendim yeterince alamıyorum.

What do you do about this? One thing you do is you just make your graphics cards faster, right?

Bu konuda ne yaparsın? Yaptığınız bir şey sadece grafik kartlarınızı daha hızlı hale getirmeniz değil mi?

This is something that happens every generation, not just on NVIDIA cards, but - you know - all graphics cards, and that helps a lot.

Bu, yalnızca NVIDIA kartlarda değil, tüm grafik kartlarında ve her şeyde olur ve bu çok yardımcı olur.

All right, but the problem is we've had a jump from 1080P

Tamam, ama sorun şu ki, 1080P’den bir sıçrama yaptık.

To 4Kand that is not a slight increase in number of pixels

4Kand'a, piksel sayısında hafif bir artış olmaz

It's four times the number of pixels which on a simple level means four times the amount of work right to render

Basit bir düzeyde dört katı olan piksel sayısının dört katıdır;

This this screen and you've got it all so when we talk about things like super so

Bu ekran ve herşeye sahipsin, süper gibi şeylerden bahsedince

Something sometimes we're looking at a pixel more than once right and that means it's getting really slow

Bazen bir kereye mahsus bir defadan daha fazla piksellere bakıyoruz ve bu gerçekten yavaşladığı anlamına geliyor

So what Nvidia have tried to do here is

Nvidia'nın burada yapmaya çalıştığı şey

Maybe we can we can we can save quite a lot of performance by let's say running our game at 1080p, right?

Belki oyunumuzu 1080p'de çalıştırdığımızı söyleyerek oldukça fazla performans kazanabiliriz, değil mi?

But if you up sample that to 4k, maybe it won't look very good because basically it's just going to be blurred

Ama bunu 4k'ye çıkarırsanız, belki de çok iyi görünmeyecektir, çünkü temelde bulanıklaşacaktır.

so

maybe we could do a slightly more a

belki biraz daha yapabiliriz

slightly smarter up sampling using these sort of deep learns to prepare solution techniques as I understand it even modern TVs these days do

Modern televizyonlarda bile bugünlerde olduğu gibi çözüm teknikleri hazırlamak için bu tür derin öğrenenler kullanarak biraz daha akıllı örnekleme

Scaling and they're scale things up and blu-ray recorders DVD recorders are always

Ölçeklendirme ve ölçeklendirirler ve blu-ray kayıt cihazları DVD kayıt cihazları her zaman

You know had an element of doing this scaling is this just a more advanced version?

Bu ölçeklendirmeyi yapmanın bir unsuru olduğunu biliyorsunuz, bu sadece daha gelişmiş bir sürüm mü?

Yeah, and some TVs have starting to bring in as far as I know

Evet, bazı televizyonlar bildiğim kadarıyla gelmeye başladı.

Deep learned, you know smart AI driven up sampling right the idea

Derin öğrenildi, akıllı AI'nın doğru örnekleme yapmaya başladığını biliyorsun.

Is that so what happens when you run a game is you've give adding all these effects on top of one another to?

Öyleyse, bir oyun çalıştırdığınızda ne olur, tüm bu efektleri üst üste ekleyerek mi veriyorsunuz?

Get a good performance

İyi bir performans elde edin

now if your performance if your frame rate starts to drop

Şimdi eğer performansınız kare hızınız düşmeye başlarsa

What you're going to do probably is either drop your resolution or if you don't want to drop your resolution because you don't like it

Muhtemelen yapacağınız şey ya çözünürlüğünüzü düşürmektir ya da çözünürlüğünüzü düşürmek istemiyorsanız beğenmezsiniz

You start to remove some of the effects, right?

Bazı efektleri kaldırmaya başladın, değil mi?

So you drop your shaders down from high to?

Yani gölgelendiricilerini yüksekten düşürdün mü?

Something else and that will just reduce the amount of work per pixel and if slightly increase your frame rate

Başka bir şey ve bu, piksel başına düşen iş miktarını azaltır ve kare hızınızı biraz artırırsa

But some people don't want to do this

Ancak bazı insanlar bunu yapmak istemiyor

Right, they spent a lot of money on their computer and they want to run it on full graphics

Doğru, bilgisayarlarına çok para harcadılar ve tam grafiklerle çalıştırmak istiyorlar

So but maybe a game has come out. There's just really really demanding

Öyleyse belki bir oyun çıktı. Sadece gerçekten çok talepkar var

There's kind of two problems we want to solve here one

Burada çözmek istediğimiz iki sorun var.

Is this problem of aliasing, right which is but if you rent if you rasterize a scene with triangles

Bu aliasing problemi, değil mi ki, eğer üçgeni olan bir sahneyi rasterleştirirseniz kiraya verirseniz

They don't always line up exactly where the pixels are. So you get a kind of jagged edge, right?

Her zaman tam olarak piksellerin nerede olduğunu sıralamazlar. Yani bir çeşit tırtıklı kenar elde edersiniz, değil mi?

That's one problem, which doesn't look very nice and there are techniques to get around this the other problem

Çok güzel görünmeyen bir problem bu ve diğer problemi çözecek teknikler var.

Is this issue of resolution, right? If you drop down from 4k to 1080p you gain months, you know gone four times faster

Bu çözüm konusu değil mi? 4k'dan 1080p'ye düşürürseniz, ay kazanırsınız, dört kat daha hızlı gittiğinizi bilirsiniz.

That's a huge benefit. Right? If you could do that without noticing and the difference in appearance

Bu çok büyük bir avantaj. Sağ? Bunu farketmeden ve görünümdeki fark olmadan yapabilirseniz

Well, that's a winner right that's going to be great. And then you can start putting it even even more

Bu harika olacak kazanan bir haktır. Ve sonra daha da fazla koymak için başlayabilirsiniz.

Computational time on shader effects and things so but yes, you're running out a lower resolution

Gölgelendirici etkileri ve benzeri şeylerde hesaplamalı zaman, ancak evet, daha düşük bir çözünürlükte çalışıyorsunuz

But those pixels are better had a good deal time spent on them. They look really nice

Ancak bu pikseller daha iyi harcanan zamana sahip olsalar iyi olur. Gerçekten çok hoş görünüyorlar

What are the problems we have? Is this problem called aliasing right now?

Sorunlarımız neler? Bu soruna şimdi takma ad denir mi?

I will just talk about this very briefly because it's not really what this video is about

Bu konu hakkında kısaca konuşacağım, çünkü bu video neyle ilgili değil.

But if you're valuing an image and your triangle Falls like this, then this pixel actually isn't all of this object here

Fakat eğer bir görüntüye değer veriyorsanız ve üçgeniniz böyle düşüyorsa, o zaman bu piksel aslında buradaki tüm nesneler değil.

Maybe this whole dish is dark and this object is light. It's not all of this object

Belki bütün bu yemek karanlık ve bu nesne açık. Bu nesnenin hepsi değil

It's like 70% dark and 30% light now. The problem is that there's no way of doing this

Şimdi% 70 karanlık ve% 30 ışık gibi. Sorun şu ki bunu yapmanın bir yolu yok

So if you saw and pull this pixel here this pixel here and this pixel here. You're going to get an edge that goes light

Yani, eğer bu pikseli buraya gördü ve buraya çektin ve bu pikseli buraya. Işık saçan bir kenar kazanacaksın

Dark light like this, right and that looks ugly

Bunun gibi karanlık ışık, doğru ve bu çirkin görünüyor

So what you'd use is a technique usually called some multisample

Yani kullanacağınız şey, genellikle çok örnekli olarak adlandırılan bir tekniktir.

Anti-aliasing where essentially you take multiple readings from this pixel like these four here or something more dense than that

Esas olarak buradaki veya buradakilerden daha yoğun olan bu piksellerden birden fazla okuma aldığınız yer yumuşatma

And there's lots of different ways to do this and then you have those

Ve bunu yapmanın birçok farklı yolu var ve o zaman

values and the nice thing is then you've got three readings of dark one reading of light and you come out with a reading of

Değerler ve güzel olan şudur ki, o zaman üç tane karanlık bir ışık okuması vardır ve bir de okuma ile çıkmışsınızdır.

About 75% dark and you get a smooth edge

Yaklaşık% 75 karanlık ve pürüzsüz bir kenar elde edersiniz

This is one thing that graphics cards do to try and make things look a little bit better if you turn off all these

Bu, tüm bunları kapatırsanız, grafik kartlarının işleri biraz daha iyi göstermesini sağlamak için yaptığı bir şey.

Anti-aliasing approaches, then what you'll get is your your core jaggedy lines?

Kenar yumuşatma yaklaşımları, sonra ne elde edersiniz, temel jaggedy çizgileriniz nedir?

It'll run nice and quickly. If you're sampling four times per pixel, that could be a four-fold decrease in speed

Güzel ve hızlı bir şekilde çalışacaktır. Piksel başına dört kez örnekliyorsanız, bu hızda dört kat bir düşüş olabilir

Right and that has a performance hit unless your graphics card is just amazing. Mine is not that's one problem, right?

Doğru ve grafik kartınız sadece şaşırtıcı olmadığı sürece bir performans hit var. Benimki tek sorun değil, değil mi?

the other problem is but you know when you go up to 4k

Diğer sorun ise 4k'a kadar çıkınca biliyorsun.

It's just four times the number of pixels whatever you're doing per pixel is

Piksel başına ne yaparsanız yapın, piksel sayısının yalnızca dört katı

Multiplied by four these four times in our pixels that you know, that's a huge problem. So if you're running

Bildiğiniz piksellerimizde bu dört kez dört çarpın, bu çok büyük bir problem. Yani kaçıyorsan

4k and four samples for example per pixel

Örneğin piksel başına 4k ve dört örnek

That's a lot more computation

Bu çok daha fazla hesaplama

but if you were just running without anti-aliasing on

ama eğer yumuşatma yapmadan çalışıyorsanız

1080p and so you inevitably have to drop down somebody's setting so that you can get a good framerate for your game

1080p ve kaçınılmaz olarak birisinin ayarını düşürmeniz gerekir, böylece oyununuz için iyi bir kare hızı elde edebilirsiniz.

And it doesn't look as nice. So one option is just to make the graphics cost faster, right?

Ve o kadar hoş görünmüyor. Öyleyse bir seçenek sadece grafikleri daha hızlı hale getirmek için değil mi?

This can't always, you know, this isn't the answer to everything and they get more more expensive, right?

Bu her zaman olamaz, biliyorsun, bu her şeyin cevabı değil ve daha pahalı hale geliyorlar, değil mi?

That's also a problem

Bu da bir sorun

these new cards have in them these tentacles which are very good specific operations namely matrix multiplications and

bu yeni kartlar içlerinde matris çarpımları ve çok iyi belirli işlemler olan bu dokunaçlara sahiptir.

So there is a chance of what we could do is use a deep network to kind of just clean this image up for us

Bu yüzden, yapabileceğimiz şeylerin, bu görüntüyü temizlememiz için derin bir ağ kullanmak ... ... şansımız var.

Very quickly before it's presented to the screen and that will give us a nice presentation for our image without the huge

Çok hızlı bir şekilde ekrana sunulmadan önce ve bu bize büyük olmadan görüntü için güzel bir sunum verecek

Performance hit of doing all this anti-aliasing and all of this

Tüm bu kenar yumuşatma ve tüm bunları gerçekleştirme performansının düşmesi

massive resolution, right

büyük çözünürlük, doğru

So what board is speaking it works like this your computer?

Peki hangi tahta konuşuyor, bilgisayarınız bu şekilde çalışıyor?

will render a raw frame with

ile ham bir çerçeve yapacak

Aliasing and all the kind of problems that it has and this may or may not be at the same resolution as your monitor

Aliasing ve yaşadığı her türlü sorun ve bu, monitörünüzle aynı çözünürlükte olabilir veya olmayabilir

It will then be passed through a deep network

Daha sonra derin bir ağ üzerinden geçirilecek

which is not very deep because

çok derin değil çünkü

this has got to happen pretty quickly which utilizes the tensor cause of these new graphics cards to work very very quickly and that will

bu oldukça hızlı bir şekilde gerçekleşmeli, bu yeni grafik kartlarının tensör nedenini çok hızlı bir şekilde çalışmalı ve

Produce your knives 4k with anti-aliasing shot

Anti-aliasing shot ile bıçaklarınızı 4k üretin

Which theoretically looks really really nice the way they train this network when they take the lower resolution alias version and the higher resolution

Teorik olarak gerçekten çok güzel görünen bu ağ daha düşük çözünürlükteki takma adı ve daha yüksek çözünürlüğü alırken nasıl eğitildiklerini

Anti-alias version is they're going to train it basically to try and create the image on a pixel level as closely as possible

Kenar yumuşatma sürümü, görüntüyü olabildiğince yakın bir piksel düzeyinde oluşturmak ve denemek için temelde eğitecekler.

But they'll also add additional parameters like that. It looks perceptually nice high

Ancak bunun gibi ek parametreler de eklerler. Algısal olarak iyi görünüyor

So basically perceptual loss functions which try and make things look aesthetically closer to something right now

Yani temelde algısal kayıp fonksiyonları, olayları estetik açıdan şu anda bir şeye daha yakın göstermeye çalışan

Different loss functions are going to have different effects. So we trying out all these different loss functions

Farklı kayıp fonksiyonlarının farklı etkileri olacaktır. Bu yüzden tüm bu farklı kayıp fonksiyonlarını deniyoruz

They might even use adversarial loss functions which are these adversarial networks of what Mars talked about, right?

Mars'ın konuştuğu bu ters ağlar olan ters kayıp fonksiyonlarını bile kullanabilirler, değil mi?

There's loads of different ways to train these and how you do that. It's going to influence the actual result you get

Bunları eğitmek ve nasıl yaptığınızı öğretmek için birçok farklı yol var. Alacağınız gerçek sonucu etkileyecek

All right, because it's not worth going to work perfectly. So there's kind of two answer answer questions here

Tamam, çünkü kusursuz çalışmaya değmez. Yani burada iki tür cevap var.

I mean firstly does this work

Öncelikle bu işi yapar

Right and and the other might personally

Doğru ve diğeri şahsen olabilir

I don't know because I don't haven't tried this right but I think it the results vary right? That's certainly true

Bilmiyorum çünkü bunu doğru denemedim ama sonuçların doğru olduğunu düşünüyorum? Bu kesinlikle doğru

But also how do we train this new your network, right?

Fakat bu yeni ağınızı nasıl eğitiyoruz?

Because what you don't want to have happen right is like the fate you're unlocking the phone thing

Çünkü doğru olmasını istemediğin şey, telefonun kilidini açtığın kader gibi.

What was it unlocking your face with your phone if you to unlock a face of your phone?

Telefonunuzun bir yüzünün kilidini açarsanız, yüzünüzün telefonunuzla kilidini açan şey neydi?

You don't want users to have to do this, right?

Kullanıcıların bunu yapmasını istemiyorsun, değil mi?

This is something for NVIDIA to do if they're gonna you know

Bu, NVIDIA’nın size bilmeleri durumunda yapması gereken bir şeydir.

Silvus and make money off this technology and that's exactly what happens

Silvus ve bu teknolojiden para kazanın;

sometimes shortly before games release the game developers will send an early copy to a midea an

Bazen oyunların yayınlanmasından kısa bir süre önce, oyun geliştiricileri bir orta bölüme erken bir kopya gönderir.

Nvidia will start generating training data and train a neural network to do this process to take an image, but isn't quite as nice

Nvidia, eğitim verileri oluşturmaya başlayacak ve bir görüntüyü almak için bu işlemi yapmak için sinir ağını eğitecek, ancak bu kadar hoş değil

It's got aliasing it's lower resolution and perform this up sampling smart up sampling up to 4k

Daha düşük çözünürlüğe sahip Aliasing ve 4k'a kadar örnekleme akıllı yukarı örnekleme bu kadar örnekleme yapmak

yumuşatılmış

that's the idea and they do this by generating essentially a

Bu fikir ve bunu esasen bir üreterek yaparlar.

Perfect representation of the game using 64 samples per pixel anti-aliasing, right?

Piksel başına 64 örnek kullanarak kenar yumuşatma için oyunun mükemmel temsili, değil mi?

So that is for every pixel they do 64 samples from that pixel instead of just one really nice

Yani bu her piksel için gerçekten iyi bir tane yerine o pikselden 64 örnek alıyorlar

sixty-four times slower than normal and then they take that as their

altmış dört kez normalden daha yavaş ve sonra bunu

Output and the input is just serve all frame with no anti-aliasing at all

Çıktı ve giriş sadece kenar yumuşatma olmadan tüm karelere hizmet eder

Maybe lower resolution and they train this network to take the raw frame and output the 64

Belki daha düşük çözünürlük ve bu ağı ham çerçeveye alıp 64

Samples per pixel really nice frame, right?

Piksel başına örnekler gerçekten güzel çerçeve, değil mi?

And so really what it comes down to is whether in practice this works

Ve gerçekte ne olduğu, pratikte bunun işe yarayıp yaramadığıdır.

Right and the answer I think is probably some of the time yes some of the time no

Doğru ve bence cevap muhtemelen zamanın bir kısmı evet zamanın bir kısmı hayır

This is true of most deep learning right people don't tend to say this as much as they should but you know

Bu, çoğu doğru öğrenme hakkı için geçerlidir, insanlar bunu, söylemeleri gerektiği gibi söyleme eğiliminde değildir.

will it generalize if you take

alırsan genelleşecek mi

10 million frames of battlefield 5 and train this network on them to get as close to this output as possible and

10 milyon savaş alanı karesi 5 ve bu ağa mümkün olduğunca yaklaşmaları için onları eğitin ve

Then you generate the 10 million from one. Don't even want the next frame, right?

Sonra 10 milyonu birinden üretiyorsun. Bir sonraki kareyi bile istemiyorsun, değil mi?

if you generate the next frame, will it have as good a

Bir sonraki kareyi yaratırsanız, o kadar iyi bir

Performance on that unseen frame and the answer is usually pretty good, but it won't be ever be perfect

O görünmeyen çerçeve ve cevap genellikle oldukça iyi, ancak performans mükemmel olmayacak

right, especially if you're going from 1080p to 4k

Tamam, özellikle 1080p ila 4k arasında gidiyorsanız

so I think NVIDIA kind of made the point here that actually this is about when you're running at the very top end of your

bu yüzden NVIDIA’nın burada en önemli noktanız olduğunda koştuğunuz konuyla ilgili olduğunu vurguladığını düşünüyorum.

graphics cards capability and so in some sense

grafik kartları yeteneği ve böylece bir anlamda

They're not talking about people who are barely struggling to run the game at 1080p

Oyunu 1080p yapmak için zorlukla mücadele eden insanlardan bahsetmiyorlar.

You should already barely run the game at 4k and then maybe this will make it look slightly nicer first kind of two ways of

Oyunu 4k'da zorlukla çalıştırmalısın ve daha sonra belki bu biraz daha iyi görünmesini sağlayacaktır.

Doing this one is you take a 4k input and you use this to perform

Bunu yapmak bir 4k giriş almak ve bunu gerçekleştirmek için kullanmaktır

Anti-aliasing and the other is you take a low resolution input and you use this to perform both

Kenar yumuşatma ve diğeri düşük çözünürlüklü bir giriş alırsınız ve bunu her ikisini de gerçekleştirmek için kullanırsınız.

Anti-aliasing and up sampling and that's a harder job to do because if you imagine that you've got a 1080p saw

Kenar yumuşatma ve yukarı örnekleme ve bunun yapılması daha zor bir iş çünkü 1080p testereye sahip olduğunuzu düşünürseniz

Then what actually you're going to have is a series of pixels like this and you've got to come up with all of these

Öyleyse gerçekte sahip olacağınız şey bir dizi piksel ve bununla başa çıkmak zorundasınız.

Pixels in between right and this is just like increasing the size of an image enhance enhance by you know, will it work?

Sağdaki ve bu arasındaki pikseller sadece bir görüntünün boyutunu artırmak gibi bir şey geliştirmek, geliştirmek geliştirmek geliştirmek

I don't know. It's going to be better than

Bilmiyorum. Daha iyi olacak

Violent bicubic up sampling, right?

Şiddetli bikubik örnekleme, doğru mu?

Because it's going to be bearing in mind this local area. It's going to say well look there's an edge coming down here

Çünkü bu yerel alanı akılda tutacak. Bakın, burada aşağıya inen bir kenar var.

So this needs to be sharper, this doesn't need to be as sharp things like this

Yani bunun daha keskin olması gerekiyor, bunun gibi keskin şeyler olması gerekmiyor

But this is not an easy problem to solve and you know by Nvidia's own admission. This is an ongoing process

Ancak bu çözülmesi kolay bir sorun değil ve Nvidia'nın kendi kabulüyle biliyorsunuz. Bu devam eden bir süreçtir

they continually train these networks on a supercomputer and then

sürekli bu ağları bir süper bilgisayarda eğitiyorlar ve sonra

You know, hopefully they get better and better we shall see right

Bilirsin, umarım iyileşir ve iyileşirler, doğru görmeliyiz.

One thing I think is quite interesting is that it means that essentially a deep network is part of your game experience

Oldukça ilginç olduğunu düşündüğüm şeylerden biri, aslında derin bir ağın oyun deneyiminizin bir parçası olduğu anlamına geliyor.

On your GPU and so the weights for this network

GPU’nuzda bu ağın ağırlıkları

The parameters of this network are actually going to be shipped out with drivers, which I think is quite neat, right?

Bu ağın parametreleri aslında oldukça temiz olduğunu düşündüğüm sürücülerle birlikte gönderilecek, değil mi?

So you're no longer just getting graphics drivers which have performance optimizations for games?

Yani artık sadece oyunlar için performans iyileştirmeleri olan grafik sürücüleri almayacaksınız?

and of course the hardware the hardware control software, you've also got this network weights being shipped around by they're quite big so

ve tabii ki donanım kontrol yazılımı donanımı, bu ağ ağırlıklarını oldukça büyük olduklarından sevk ettiler.

So that's why you get limited support for games early on because they're training these maybe they haven't gotten early copy of the game

Bu yüzden, oyunların başlarında sınırlı bir destek alıyorsunuz çünkü bunları eğitiyorlar, belki de oyunun erken bir kopyasını almadılar.

So it's it's it's down to Nvidia to just take these games render these super high resolution

Bu yüzden Nvidia'ya kalmış, bu oyunları sadece bu süper yüksek çözünürlüğü sağlayacak

64 times amazing scenes and train these networks strikes me that even if it's been trained

64 kat şaşırtıcı sahneler ve bu ağları eğitmek, eğitilmiş olsa bile bana vuruyor

Running a network a deep network is not computationally cheap though. Is it is it worth it?

Bir ağı çalıştırmak, derin bir ağ olsa da, hesaplama açısından ucuz değildir. Buna değer mi?

I suppose what's the trade-off so I mean, I guess that's the question people are asking at the moment, right?

Sanırım takas nedir, yani demek istediğim, şu anda insanların sorduğu soru bu değil mi?

so the tray office so

yani tepsi ofisi

the nice thing about a neural network is it takes an exact same amount of time every time right on these tensor cause

Bir sinir ağı hakkında güzel şey, bu tensör neden her zaman tam olarak aynı miktarda zaman alır

There is a fixed amount of time

Sabit bir süre var

It takes to take an image of a certain resolution and output this image of another resolution some amount of milliseconds

Belli bir çözünürlüğün görüntüsünü almak ve başka bir çözünürlüğün bu görüntüsünü bir miktar milisaniyede çıkarmak gerekir.

So that is per frame a fixed load that's going to have happen games aren't merely a fixed load

Yani bu, kare başına sabit bir yük olacaktı; oyunlar sadece sabit bir yük değil.

they take different amounts of time depending on what's in the scene and

sahnedeki şeye bağlı olarak farklı zamanlar alırlar ve

The argument basically is if yours graphics card is struggling you can drop from 4k to 1080p

Temel olarak argüman sizin grafik kartınız zorlanıyorsa 4k'dan 1080p'ye düşebilirsiniz.

For a massive increase in performance and then decrease the performance slightly by attacking this neural network on the end

Performansta büyük bir artış ve sonunda bu sinir ağına saldırarak performansı biraz düşürmek için

Right, but your overall performance will be better for it that that's the idea

Doğru, ama genel performansın bunun için daha iyi olacak.

So if you can already run at 6 at 4k my eye with 60 frames a second

Yani zaten 6'da 4k'da koşabilirsem, gözümü saniyede 60 kare ile

Very little reason to add this on right which is why sometimes it gets disabled in the options

Bunu sağa eklemek için çok az sebep, bu nedenle bazen seçeneklerde devre dışı kalıyor

I your computer is already fine running this game

Bilgisayarınız zaten bu oyunu çalıştırıyor

Dropping down to 1080p is only going to make you experience worse. Don't bother doing it

1080p'ye düşmek sadece deneyiminizi daha da kötüleştirecek. Rahatsız etmeyin

I guess the question is how does this?

Sanırım soru bu nasıl?

Network actually look right and it's something called an auto encoder or I would call this an encoder decoder, right?

Ağ aslında doğru görünüyor ve otomatik kodlayıcı denilen bir şey mi yoksa buna kodlayıcı kod çözücü diyeceğim, değil mi?

I talked about these before but you have an image coming in

Bunları daha önce konuşmuştum ama içeri giren bir imajınız var.

You have some amount of network, which is going to perform down sampling

Örnekleme gerçekleştirecek bir miktar ağınız var

It's going to make the image smaller

Görüntüyü küçültecek

but it's also going to

ama aynı zamanda olacak

Learn interesting things about that image as it does it so this image is going to get down sampled through some Network layers

Bu resim hakkında ilginç şeyler öğrenin, böylece bu resim bazı Ağ katmanlarında örneklenmiş olacak

Down to about half resolution something like that

Yarım çözünürlüğe kadar böyle bir şey

And then it's going to get up sample back to 4k or whatever. The resolution of the output is like this now

Ve sonra örneği 4k ya da her neyse geri alacak. Çıktının çözünürlüğü şimdi böyle

It's quite typical in these kind of networks to go much further than this right normally

Bu tür ağlarda normal olarak bu haktan çok daha ileri gitmek oldukça tipiktir.

So in a network I use to do something like this would go down to a few pixels wide

Yani böyle bir şeyi yapmak için kullandığım bir şebekede birkaç piksel genişliğe iner

because I'm using it to segment objects and

çünkü onu nesnelere ayırmak için kullanıyorum ve

So this network won't learn where all the people are because it doesn't go deep enough, right, but it will learn on a local level

Böylece bu ağ tüm insanların nerede olduğunu öğrenmeyecek, çünkü yeterince derin gitmiyor, ama yerel düzeyde öğrenecek

Kind of what's going on. This is a dark edge here. This is a light bit

Neler oluyor böyle. Burası karanlık bir kenar. Bu hafif bir bit

It's a bit of sunlight coming in, you know

Biraz güneş ışığı geliyor, biliyorsun

And it can start to piece some of these things together and work out in a slightly

Ve bunlardan bazılarını bir araya getirmeye başlayabilir ve biraz

Smart way what these pixels are going to be doing, right?

Akıllıca bu piksellerin ne yapacağını değil mi?

The other nice thing about this being only a few layers followed by quite a high resolution image followed by a few layers

Bununla ilgili diğer güzel şey, yalnızca birkaç katman ve ardından birkaç katman izleyen yüksek çözünürlüklü bir görüntü.

This is gonna be quite fast, right?

Bu oldukça hızlı olacak, değil mi?

Demek istediğim

let's not underestimate how much computation this involves like if this is

Bunun ne kadar hesaplama içerdiğini hafife almayalım.

1080p or 4k what a staggering amount of maps has to happen very very quickly

1080p veya 4k, ne kadar şaşırtıcı miktarda bir haritanın çok hızlı bir şekilde gerçekleşmesi gerektiğini

But that's exactly what these tens of calls are for they perform extremely fast 4x4 matrix multiplications and additions

Ama bu onlarca çağrı tam olarak budur çünkü onlar çok hızlı 4x4 matris çarpımları ve eklemeleri yaparlar.

Which is exactly what this generalizes into so you essentially pass over the image performing these matrix multiplications

Bu tam olarak neyin genelleştiği şeydir, bu yüzden bu matris çarpımlarını yapan görüntünün üzerinden geçersiniz

Over these layers and it happens really really fast

Bu katmanların üzerinde ve gerçekten çok hızlı oluyor

We're gonna see more and more of this kind of stuff. So yes, this is one way of doing it

Bu tür şeyleri giderek daha fazla göreceğiz. Yani evet, bu yapmanın bir yolu.

It's used in meandering for four denoising of ray tracing in in, you know, big movies like Pixar movies and things

Pixar filmleri ve benzeri büyük filmlerde dört ışınlama izografisi için kıvrımlı kullanılır

It's using up sampling on TVs

Televizyonlarda örnekleme kullanıyor

Using a sash a low but powerful deep network to try and tidy up something but it's not perfect

Kanat kullanarak bir şeyi dengelemek ve düzeltmek için düşük ama güçlü bir derin ağ ama mükemmel değil

Best is going to happen a lot, right?

En iyisi çok olacak, değil mi?

We've already seen these these gams these generative adversarial networks turning up that are trying to produce new people's faces and things

Bu oyunları gördük, yeni insanların yüzlerini ve eşyalarını üretmeye çalışan, bu üretici, ters ağların ortaya çıktığını gördük.

This is a big deal at the moment and it's going to be a lot of it

Bu şu anda büyük bir olay ve çok olacak

So, you know in video have started this process

Yani, videoda biliyorsunuz bu süreci başlattı

But we're going to see more and more and I'll imagine it will become a kind of standard approach

Ama daha fazlasını göreceğiz ve bunun bir tür standart yaklaşım olacağını hayal edeceğim

You know in a few years time

Birkaç yıl içinde biliyorsun

It is staggering that this is happening 60 times a second

Bu saniyede 60 kez gerçekleşiyor şaşırtıcı

Yeah, I mean III think that the school should bomb one of these cards and we'll give it a fire test

Evet, demek istediğim III, okulun bu kartlardan birini bombalaması gerektiğini düşünüyorum.

We just need to test it

Sadece test etmeliyiz

We just need to test it on, you know, all these games. So it copies of his games to please

Sadece bütün bu oyunları denememiz gerek. Bu yüzden lütfen oyunlarının kopyalarını lütfen.

Copies of the games a machine to run them on one of these Packers cards and I'll do a very thorough in-depth research on it

Oyunların kopyalarını bir makinenin bu Packers kartlarından birinde çalıştırmak için kullanacağım ve üzerinde çok ayrıntılı bir araştırma yapacağım

But probably a similar word was in the dictionary and he got manipulated in some way

Ama muhtemelen benzer bir sözlük sözlükte vardı ve bir şekilde manipüle edildi.

Some letters got swapped around and suddenly it was cracked. We've had some luck. We've done a bit of brute force

Bazı harfler çevrildi ve aniden kırıldı. Şansımız yaver gitti. Biraz kaba kuvvet yaptık

We've done a basic dictionary attack

Basit bir sözlük saldırısı yaptık

We have a few rules just to mix it up and we've got some passwords so far

Sadece karıştırmak için birkaç kuralımız var ve şu ana kadar bazı şifrelerimiz var.

I've cracked I think about 1,700 passwords out of about six and a half pounds

Kırıldım, yaklaşık altı buçuk kilodan 1.700 parolayı düşünüyorum.

Similar videos:

Deep Learning - Computerphile
Computerphile
392.2K views 6.1K likes 280 dislikes 19 Apr 201642% match

Deep Dream (Google) - Computerphile
Computerphile
618.9K views 13K likes 127 dislikes 26 Aug 201639% match

Password Cracking - Computerphile
Computerphile
3M views 60.3K likes 1K dislikes 13 Jul 201634% match

How to Choose a Password - Computerphile
Computerphile
1M views 21.1K likes 235 dislikes 20 Jul 201633% match

Dijkstra's Algorithm - Computerphile
Computerphile
1.1M views 23.1K likes 392 dislikes 04 Jan 201732% match

Onion Routing - Computerphile
Computerphile
1.1M views 24.4K likes 255 dislikes 31 May 201732% match

Maze Solving - Computerphile
Computerphile
1M views 21.8K likes 295 dislikes 24 Feb 201732% match

Finding the Edges (Sobel Operator) - Computerphile
Computerphile
359.3K views 6.9K likes 50 dislikes 04 Nov 201532% match

Resizing Images - Computerphile
Computerphile
360.9K views 8.5K likes 115 dislikes 02 Sep 201631% match

Inside a Neural Network - Computerphile
Computerphile
347.3K views 6.4K likes 67 dislikes 30 Jun 201631% match

Buffer Overflow Attack - Computerphile
Computerphile
1.5M views 32.2K likes 320 dislikes 02 Mar 201630% match

How Password Managers Work - Computerphile
Computerphile
368.2K views 11.1K likes 107 dislikes 01 May 201930% match

PDF, What is it FOR? - Computerphile
Computerphile
409K views 12K likes 144 dislikes 16 Sep 201629% match

Why C is so Influential - Computerphile
Computerphile
1.6M views 22.5K likes 1.6K dislikes 25 Aug 201729% match

SHA: Secure Hashing Algorithm - Computerphile
Computerphile
874.6K views 14.8K likes 394 dislikes 11 Apr 201729% match

Lambda Calculus - Computerphile
Computerphile
803.9K views 19.5K likes 567 dislikes 27 Jan 201729% match

End to End Encryption (E2EE) - Computerphile
Computerphile
450.6K views 11.2K likes 168 dislikes 30 Mar 201729% match

Web vs Internet (Deep Dark Web Pt1) - Computerphile
Computerphile
404.6K views 6.3K likes 159 dislikes 17 Jun 201629% match

Where GREP Came From - Computerphile
Computerphile
644.1K views 23.4K likes 152 dislikes 06 Jul 201828% match

Parsing Explained - Computerphile
Computerphile
134.2K views 3.6K likes 45 dislikes 13 Nov 201927% match

How Blurs & Filters Work - Computerphile
Computerphile
423.4K views 8.8K likes 120 dislikes 02 Oct 201527% match

Have You Been Pwned? - Computerphile
Computerphile
430.1K views 13.4K likes 125 dislikes 12 Mar 201927% match

ALGOL 60 at 60 - Computerphile
Computerphile
73.7K views 3.1K likes 20 dislikes 04 Jun 202027% match

Wana Decrypt0r (Wanacry Ransomware) - Computerphile
Computerphile
1.4M views 30.1K likes 640 dislikes 15 May 201726% match

TOR Hidden Services - Computerphile
Computerphile
859.3K views 16.2K likes 242 dislikes 09 Jun 201726% match

Slow Loris Attack - Computerphile
Computerphile
962.6K views 31.1K likes 265 dislikes 09 Nov 201626% match

Mac or PC? - Computerphile
Computerphile
587.9K views 9.7K likes 314 dislikes 21 May 201425% match

Krack Attacks (WiFi WPA2 Vulnerability) - Computerphile
Computerphile
581.5K views 12.2K likes 294 dislikes 17 Oct 201725% match

Secret Key Exchange (Diffie-Hellman) - Computerphile
Computerphile
586.6K views 15.4K likes 222 dislikes 15 Dec 201725% match

CNN: Convolutional Neural Networks Explained - Computerphile
Computerphile
718K views 11.2K likes 142 dislikes 20 May 201625% match

Settings Privacy About Contact Donate