Imagination 白皮书解析 GPU 原生 Neural Super Resolution 神经超分技术

深入了解神经图形技术如何在功耗和带宽受限的设备上提升图像质量与性能，同时简化部署。

随着 AI 在图形流水线中扮演日益重要的角色，神经超分辨率（Neural Super Resolution，NSR）提供了一种无需以原生渲染每个像素的成本即可生成更高质量图像的新方法。本白皮书探讨了 Imagination 的 NSR 技术如何利用神经重建将较低分辨率的帧放大为较高分辨率的输出，结合当前帧数据、时间历史信息与学习到的推理，在降低带宽、功耗和内存需求的同时实现高视觉质量。与依赖独立 AI 加速器的方案不同，NSR 直接在 GPU 内运行，使图形、计算与 AI 工作负载能够在统一的执行环境中协同工作。

读者将了解神经超分辨率背后的原理、融合加速（Converged Acceleration）在现代 GPU 设计中的作用，以及 Imagination 的 E 系列架构如何将矩阵加速和神经处理集成到图形流水线中。本文还解释了数据局部性、微分块（microtiling）和自压缩（Self-Compression）在实现高效神经渲染中的重要性，并分析了 GPU 原生超分辨率在性能、带宽和能耗方面的优势。对于图形架构师、开发者和 SoC 设计师而言，它提供了深入洞察：神经图形技术如何提升图像质量与性能，同时简化在功耗和带宽受限设备上的部署。

在此阅读全文。

图 1：使用 NSR 后《毁灭战士：永恒》（Doom Eternal）预计的性能与带宽提升。针对 Doom Eternal 的预估数据，比较了在以 1 GHz 建模的 EXD-64-2048 MC1 GPU 上，原生 4K 渲染与使用 NSR 将 1080p 渲染重建至 4K 的效果。这些数据应视为特定工作负载和配置下的预估结果。来源：Imagination。