Mam prośbę do twórców PS6 i Xboxa. Chodzi o szum

Kilka tygodni temu odpaliłem Assassin's Creed: Odyssey. Nie po to, żeby sprawdzić jak się zestarzało - po prostu miałem ochotę na trochę greckiego słońca, gawędziarstwa i wycinania Spartan mieczem. I wiecie co? Grafika wciąż robi wrażenie.

Czyste, ostre 4K. Szczegółowe tekstury. Pejzaże, na które można się zapatrzyć przez dobre pięć sekund zapominając, że gramy w grę sprzed ery obecnej generacji konsol. A przede wszystkim - spokój. Żadnego migotania liści. Żadnych krawędzi budynków, które raz istnieją, raz zanikają. Żadnych smug za poruszającymi się postaciami. Tylko czysty, stabilny obraz. Odyssey działa na na moim Xbox Series X jako gra Xbox One X, w natywnym 4K, systemowo podbita do płynności 60 kl./s. I to problem.

Nie to, że Odyssey wygląda za dobrze. Ów problem polega na tym, że kiedy po sesji z tą grą odpalam którykolwiek z sztandarowych tytułów tej generacji - powiedzmy Hellblade II albo Assassin's Creed: Valhalla - obraz nagle zaczyna żyć własnym życiem.

Mryga. Trzęsie się. Trawa zachowuje się jak mokre wodorosty na wietrze. Krawędzie obiektów wyglądają jak narysowane drżącą ręką. Włosy postaci migoczą niczym świeczka przy otwartym oknie. Ten efekt ma swoją techniczną nazwę - temporal instability, czyli niestabilność temporalna - i jest to jeden z największych nierozwiązanych problemów obecnej generacji konsol. Problem, o którym twórcy PS6 i nowego Xboxa powinni traktować priorytetowo, zamiast zachwycać się kolejnymi teraflopsami.

Czytaj też:

Każda klatka obrazu w grze to efekt ogromnej pracy GPU - obliczenia geometrii, oświetlenia, cieni, refleksów, efektów cząsteczkowych i dziesiątek innych elementów składających się na to, co widzi gracz. Problem polega na tym, że renderowanie pełnego 4K (3840 × 2160 pikseli) w trybie jakości przy 60 klatkach na sekundę przekracza możliwości nawet potężnych konsol obecnej generacji. Zamiast jednak obniżać rozdzielczość - co dawałoby rozmazany, rozmyty obraz - inżynierowie wpadli na bardziej elegancki pomysł: renderuj w niższej rozdzielczości, ale sprytnie rekonstruuj obraz do wyższej przy użyciu danych z wielu klatek naraz. To właśnie jest temporal upscaling - "temporalny" bo korzysta z informacji w czasie, z poprzednich klatek.

Mechanizm jest naprawdę elegancki w teorii. GPU renderuje obraz, powiedzmy, w 1080p lub 1440p - co jest znacząco tańsze obliczeniowo niż pełne 4K - a następnie algorytm upscalingu analizuje bieżącą klatkę plus kilka poprzednich, śledzi ruch obiektów za pomocą tzw. wektorów ruchu i stara się "zgadnąć" jak wyglądałby każdy piksel w pełnym 4K. Efekt bywa naprawdę dobry. Przy spokojnej kamerze i powoli poruszających się obiektach obraz z upscalingu potrafi wyglądać niemal jak natywne 4K. Zaoszczędzona moc obliczeniowa trafia tymczasem na bardziej zaawansowane efekty - oświetlenie globalne Lumen z Unreal Engine 5, śledzenie promieni, Nanite z milionami wirtualnych mikrotrójkątów.

Problem zaczyna się dokładnie w momencie, gdy kamera się rusza, obiekty poruszają się szybko, albo na ekranie pojawia się coś problematycznego: trawa, liście, efekty cząsteczkowe, przezroczyste powierzchnie, cienkie linie. Algorytm musi wtedy podjąć tysiące decyzji na sekundę - które piksele z poprzedniej klatki są nadal aktualne, a które zostały odsłonięte przez ruch kamery? Gdy pomyli się choćby w niewielkiej części przypadków to pojawiają się artefakty: ghosting (widmowe smug za ruchomymi obiektami), pixel crawl (pełzanie pikseli), shimmering (migotanie szczegółów) i właśnie to charakterystyczne "ziarno" - temporalny szum, który sprawia, że obraz zamiast stać spokojnie nieustannie się drobi i wibruje.

Na konsolach - zarówno PS5, jak i Xbox Series X - dominującą technologią upscalingu jest przez lata AMD FidelityFX Super Resolution 2 i późniejsze iteracje (FSR 3.x). Wybór nie jest przypadkowy: obaj producenci korzystają z układów AMD, a FSR to oprogramowanie, które działa na każdym GPU, bez specjalnego dedykowanego sprzętu. To jego największa zaleta i jednocześnie największe ograniczenie.

FSR w wersjach 2.x i 3.x to algorytm czysto softwarowy - nie potrzebuje wyspecjalizowanych jednostek obliczeniowych, działa na standardowych shaderach. Brzmi jak dobra wiadomość. W praktyce oznacza to jednak, że cała praca rekonstrukcji obrazu odbywa się na zasadach ogólnych, bez sprzętowego wsparcia dla operacji tensorowych (macierzowych), które są naturalne dla sieci neuronowych. Sieć neuronowa bez dedykowanego przyspieszenia sprzętowego jest jak Photoshop na komputerze z 2004 r. - daje radę, ale kosztem kompromisów.

Te kompromisy widać w obrazie. FSR 3.x przegrywa z DLSS Nvidii i XeSS Intela w kilku kluczowych scenariuszach. Po pierwsze, w obsłudze efektów cząsteczkowych i przezroczystości - konfetti, ogień, dymy, holograficzne znaki zachowują się z FSR jak duchy, migocząc lub zanikając całkowicie między klatkami. Po drugie, w stabilności przy szybkim ruchu kamery - szczególnie dobrze widoczne w tytułach z gęstą roślinnością (trawa w Ghostwire: Tokyo, Las w Horizon Forbidden West), gdzie każde źdźbło trawy ma własny wektor ruchu, a algorytm po prostu nie nadąża z rekonstrukcją. Po trzecie wreszcie, w obsłudze "nowo odsłoniętej geometrii" - gdy kamera obraca się i odkrywa fragmenty sceny niewidoczne przez ostatnie kilka klatek wprowadza te piksele jako rozmyte, drżące masy zamiast ostrych krawędzi.

Nvidii z DLSS jest łatwiej, bo łatwiej jest wtedy, gdy masz rdzenie tensor. Dedykowane jednostki do operacji macierzowych, obecne w kartach RTX od modeli 20xx wzwyż, pozwalają na uruchomienie znacznie bardziej rozbudowanej sieci neuronowej w czasie rzeczywistym bez zauważalnego kosztu wydajnościowego. Intel XeSS korzysta z kolei z jednostek XMX (Xe Matrix Extensions) na kartach Arc - i analogicznie, na natywnym sprzęcie Intel XeSS potrafi dorównać DLSS, podczas gdy na pozostałych GPU spada do jakości zbliżonej do FSR.

Sam temporal upscaling to jeden problem. Drugi, znacznie poważniejszy, pojawia się gdy na tę technologię nakłada się kolejny element: denoising w śledzeniu promieni oraz temporalny antyaliasing wewnątrz Unreal Engine 5.

Lumen - silnik globalnego oświetlenia UE5 - to niezwykłe osiągnięcie. Dynamiczne, fotorealistyczne oświetlenie każdego obiektu w scenie w czasie rzeczywistym. Ale ma swoją cenę: jest z natury zaszumiony, bo bazuje na próbkowaniu stochastycznym (losowym) - zamiast przeliczać każdy promień światła dla każdego piksela, co byłoby niemożliwe wydajnościowo, losuje reprezentatywną próbkę i statystycznie interpoluje resztę. Na GPU PC z dużą ilością zasobów ten szum można zamaskować, biorąc więcej próbek. Na konsolach jest ich znacząco mniej - i ten szum, to ziarno, przechodzi przez temporalny upscaler, który zamiast go usunąć to często amplifikuje go lub utrwala w postaci niestabilnych, mieniących się pikseli.

PlayStation dostrzegło problem i próbuje go rozwiązać - ale niestety na sprzęcie, który kosztuje fortunę. PS5 Pro, wydane pod koniec 2024 r., wyposażono w PSSR - PlayStation Spectral Super Resolution. To już nie jest FSR. To sieć neuronowa z dedykowanymi jednostkami ML w GPU, rozwiązanie koncepcyjnie bliższe DLSS niż softwarowemu FSR.

Galeria: 2 zdjęcia

Galeria zdjęć

1/2

Resident Evil. Włosy wyglądają jak budyń

I działa. PSSR dramatycznie redukuje artefakty cząsteczkowe, stabilizuje trawę i liście, eliminuje artefakty przy nowo odsłoniętej geometrii. Konfetti, które z FSR znikało i pojawiało się niczym duch po zastosowaniu PSSR zachowuje się jak prawdziwe konfetti. Holograficzne znaki przestają być zębate. Trawa nie wygląda jak animacja wycieku oleju. W lutym br. Sony pokazało jeszcze PSSR 2, oparty na nowych modelach AI, opracowanych we współpracy z AMD w ramach projektu Project Amethyst - i ta sama technologia leży u podstaw FSR 4 dostępnego na PC.

Problem? PS5 Pro kosztuje 4 tys. zł bez napędu optycznego i jest sprzętem mid-gen. Bazowe PS5 i Xbox Series X - na których gra zdecydowana większość graczy konsolowych - nadal używają FSR. Nowego Xboxa z lepszym upscalerem nie ma, PS6 jest wciąż w powijakach. I na bazowym sprzęcie miliony graczy codziennie siedzą przed zaszumionymi ekranami.

Najnowszy Xbox, znany oficjalnie pod kryptonimem Project Helix, niesie obietnicę zmiany. Microsoft potwierdził, że konsola będzie korzystać z AMD FSR Diamond - nazwy, która nie istnieje jeszcze w publicznych roadmapach AMD - a w jej centrum znajdzie się kilka kluczowych elementów: Upskalowanie oparte na uczeniu maszynowym, wieloklatkowa generacja z użyciem ML oraz rekonstrukcja promieni - czyli denoiser wspomagany AI, zaprojektowany specjalnie do usuwania szumu ray tracingu w czasie rzeczywistym. To ostatnie jest odpowiedzią na problem, który opisuję w tym tekście. Ray Regeneration nie jest upscalerem - to oddzielny moduł, który ma sprzątać po Lumenie i innych systemach RT, nim obraz trafi do upscalera. Nvidia ma już coś podobnego od kilku lat (DLSS Ray Reconstruction), i to właśnie ten element eliminował szum RT w grach PC znacznie skuteczniej niż stare technologie odszumiania.

PS6, jeśli wierzyć przeciekom, ma być wyposażone w tzw. Neural Arrays - dedykowane bloki obliczeniowe nastawione na AI - zintegrowane bezpośrednio w GPU RDNA 5 w ramach projektu Project Amethyst z AMD. To oznaczałoby, że PSSR 2 lub jego następnik dostanie wreszcie prawdziwy sprzętowy fundament analogiczny do tego, co Nvidia oferuje na PC od lat. Konsola ma mieć 34-40 TFLOPS mocy obliczeniowej i pamięć GDDR7 - czyli moc obliczeniowa jest w porządku. Ale ta surowa moc to nie wszystko, jak pokazały ostatnie lata.

Obydwa projekty są jednak odległe w czasie. Project Helix dotrze do deweloperów w formie alpha w przyszłym roku, a rynkowy launch to w najlepszym razie 2028. PS6 to podobna perspektywa - późny 2027 to optymistyczny scenariusz, 2028 lub 2029 jest równie prawdopodobnym ze względu na koszty pamięci GDDR7.

Wracam do Odyssey. Odyssey to gra, która nie ma Lumen, nie ma Nanite, nie ma RT Global Illumination ani innych cudowności współczesnego świata grafiki 3D. Ale ma czyste, ostre 4K, bo jest renderowana natywnie na PS4 Pro i działa na PS5 przez wsteczną zgodność bez upscalingu. Możliwe, że jest mniej "technicznie imponująca" niż Hellblade II. Ale jest po prostu czysta wizualnie - i to robi różnicę, szczególnie podczas dłuższej sesji, gdy temporalny szum zaczyna być po prostu męczący.

I w tym leży sedno mojej prośby do twórców PS6 i nowego Xboxa. Nie proszę o wyrzucenie Lumena. Nie proszę o rezygnację z ray tracingu. Proszę tylko o to, żeby sprzętowy stack dla AI upscalingu i RT denoisingu był traktowany priorytetowo, a nie jako dodatek doklejony do GPU, które "i tak powinno dać radę". Historia FSR na bazowych konsolach tej generacji to lekcja poglądowa z tego, co się dzieje, gdy nie bierze się pod uwagę kosztów obrazowych nowoczesnych technik renderowania.

Nvidia zaadresowała ten problem hardware'owo w 2018 r., wprowadzając DLSS z rdzeniami tensor. Intel dołączył w 2022 r. z XeSS i jednostkami XMX. W połowie 2026 roku, grając na PS5 lub Xbox Series X w większość nowoczesnych tytułów UE5, wciąż dostajemy obraz gorszej jakości temporalnej niż na średnio wyposażonym PC z kartą GeForce RTX. To nie jest kwestia teraflopów. To kwestia architektury i priorytetów.

Jest pewna ironia w tym, że przez lata największym zarzutem wobec upscalerów była "utrata szczegółów" - softwarowe FSR 1 było krytykowane za rozmywanie tekstur. FSR 2 to naprawił, ale otworzył puszkę Pandory z migotaniem. Teraz wchodzimy w epokę, gdzie obraz jest teoretycznie ostry i szczegółowy, ale niespokojny - nieustannie fluktuujący, jakby pulsował. Dla casualowego gracza może to być niewidoczne. Dla kogoś, kto spędza z grą kilkanaście godzin tygodniowo, to staje się stałym, nisko-poziomowym źródłem zmęczenia wzroku.

Ten wizualny niepokój jest kosztem, który płacimy za nowoczesną grafikę na sprzęcie, który nie dostał wystarczająco mocnych narzędzi AI do jej sprzątania. Sony i Microsoft mają teraz szansę, żeby to naprawić od podstaw. Specyfikacje PS6 i Project Helix obiecują Neural Arrays, FSR Diamond i Ray Regeneration - w teorii to dokładnie to, o czym mówię. Czy w praktyce tak będzie? Przekonamy się najwcześniej za dwa lata. Ale skoro twórcy tych konsol mają ochotę czytać felietony na polskich blogach technologicznych, to proszę: nie dajcie nam kolejnych 7 lat zaszumionego obrazu. Wystarczy nam już tego ziarna.