ACTUALITÉS TECH – Le nouveau modèle de mise à l’échelle par transformeur de Nvidia pourrait être une avancée majeure pour les cartes graphiques milieu de gamme.

La prochaine grande mise à jour de DLSS par Nvidia semble s’orienter vers un modèle à base de transformeur, attendu pour apporter de nombreuses améliorations, notamment une réduction de l’utilisation de la mémoire vidéo. Actuellement, Nvidia utilise des CNN (réseaux neuronaux convolutifs), mais l’entreprise opte désormais pour une approche plus avancée, susceptible d’améliorer à la fois la qualité d’image et la reconstruction des rayons.

Le modèle DLSS Transformer vient de sortir de sa phase bêta, et Nvidia aurait optimisé la gestion de la VRAM. Ces changements sont expliqués en détail dans le guide de programmation DLSS mis à jour.

En moyenne, le modèle DLSS Transformer intégré au SDK 310.3.0 nécessite environ 20 % de mémoire vidéo en moins, un écart constant quelle que soit la résolution. Cela pourrait donc avoir un impact considérable pour les joueurs équipés de cartes avec 8 Go de VRAM ou moins.

Étant donné que les récentes décisions de Nvidia n’ont pas vraiment profité aux joueurs à budget limité, cette évolution du DLSS est clairement appréciable. Elle pourrait enfin donner du sens aux GeForce RTX 5050 (équipée de GDDR6 sur PC de bureau) et RTX 5060 – toutes deux limitées à 8 Go de VRAM.

Le modèle Transformer utilise un transformeur de vision qui analyse chaque pixel d’une image pour en comprendre l’importance. Ce processus est répété sur plusieurs images afin de générer des pixels détaillés et d’améliorer le rendu global. On sait qu’il double le nombre de paramètres et quadruple la charge de calcul, ce qui devrait améliorer de manière significative l’expérience de mise à l’échelle.

Maintenant que le DLSS Transformer est sorti de bêta, une annonce officielle pourrait intervenir dans les mois à venir. Nvidia pourrait-elle le lancer avec ses cartes GeForce RTX 5000 Super ? Ce ne serait pas surprenant de la part de l’entreprise dirigée par Jensen Huang.

Source : WCCFTech, Videocardz