Un brevet révèle que Nintendo travaille sur une technologie de mise à l’échelle

Un brevet révèle que Nintendo travaille sur une technologie de mise à l’échelle
Un brevet révèle que Nintendo travaille sur une technologie de mise à l’échelle
Image: Nintendo

Les brevets sont toujours une chose assez intrigante à suivre dans l’industrie technologique – ils représentent parfois des idées et des produits qui ne verront jamais le jour, mais il y a des occasions où ils donnent des indices sur les futures versions. Une demande de brevet américain récemment publiée pourrait être cette dernière, car elle concerne une technologie qui pourrait permettre à Nintendo d’améliorer les visuels de son matériel.

Ouverte le 25 mars 2020 et rendue publique hier (30 septembre), l’application s’intitule « systèmes et méthodes de conversion d’images apprises par machine », et bien que le langage initial puisse être un casse-tête, il s’agit essentiellement d’une idée similaire au DLSS de NVIDIA. C’est l’abréviation de Deep Learning Super Sampling dans le cas de NVIDIA, qui fonctionne sur certains de ses GPU pour augmenter la résolution d’image et qualité en temps réel, tout en étant remarquablement efficace et en veillant à ce que la carte graphique soit moins sollicitée. C’est une technologie impressionnante, et elle a été au centre de nombreuses discussions sur la façon dont Nintendo pourrait produire un nouvel appareil portable de style Switch qui produit des visuels de plus haute résolution tout en travaillant avec une faible puissance de sortie. Digital Foundry a exploré cela en détail.

Ce qui rend cette application intrigante, c’est que Nintendo explore clairement cela en interne – une partie nommée sur l’application est Alexandre Delattre, qui est co-fondateur de Nintendo European Research and Development. Il est également reconnu dans l’« introduction » du brevet qu’il s’agit d’un domaine exploré dans l’ensemble de l’industrie :

L’apprentissage automatique peut donner aux ordinateurs la capacité « d’apprendre » une tâche spécifique sans programmer expressément l’ordinateur pour cette tâche. Un type de système d’apprentissage automatique est appelé réseaux de neurones convolutifs (CNN) – une classe de réseaux de neurones d’apprentissage en profondeur. De tels réseaux (et d’autres formes d’apprentissage automatique) peuvent être utilisés, par exemple, pour aider à reconnaître automatiquement si un chat est sur une photo. L’apprentissage se fait en utilisant des milliers ou des millions de photos pour « entraîner » le modèle à reconnaître quand un chat est sur une photo. Bien que cela puisse être un outil puissant, le traitement résultant de l’utilisation d’un modèle entraîné (et de l’entraînement du modèle) peut encore être coûteux en calcul lorsqu’il est déployé dans un environnement en temps réel.

La conversion ascendante d’image est une technique qui permet de convertir des images produites dans une première résolution (par exemple, une résolution de 540p ou 960×540 avec 0,5 mégapixels) à une résolution plus élevée (par exemple, une résolution de 1080p, 1920×1080, avec 2,1 mégapixels). Ce processus peut être utilisé pour afficher des images de la première résolution sur un écran à plus haute résolution. Ainsi, par exemple, une image 540p peut être affichée sur un téléviseur 1080p et (en fonction de la nature du processus de conversion ascendante) peut être affichée avec une fidélité graphique accrue par rapport à si l’image 540p était affichée directement avec le traditionnel (par exemple, linéaire) upscaling sur un téléviseur 540. Différentes techniques de conversion ascendante d’image peuvent présenter un compromis entre la vitesse (par exemple, combien de temps le processus prend pour convertir une image donnée) et la qualité de l’image convertie ascendante. Par exemple, si un processus de conversion ascendante est effectué en temps réel (par exemple, pendant un jeu vidéo), alors la qualité d’image de l’image convertie ascendante résultante peut en souffrir.

En conséquence, on comprendra que des techniques, des systèmes et des procédés nouveaux et améliorés sont continuellement recherchés dans ces domaines technologiques.

En fin de compte, il ne devrait pas être surprenant que Nintendo recherche la mise à l’échelle par le biais de l’apprentissage automatique, car il est susceptible d’être un facteur vital si l’entreprise choisit de conserver un facteur de forme de style Switch tout en offrant une plus grande fidélité graphique à l’avenir. Il est également intéressant de savoir si Nintendo utilisera toujours la technologie NVIDIA dans ses futurs appareils ; s’il développe sa propre solution, il n’aura peut-être pas besoin des outils DDSL de NVIDIA. Bien sûr, selon ce que vous croyez et qui vous croyez, il existe des rapports selon lesquels des unités de développement « 4K » sont déjà dans la nature.

Faites-nous savoir ce que vous pensez dans les commentaires!

 
For Latest Updates Follow us on Google News
 

PREV #ThankYouSakurai gagne du terrain sur les réseaux sociaux avant la révélation finale de Smash Bros. Fighter
NEXT Le test Halo Infinite prouve la promesse « Play Anywhere » de Xbox – Next-Gen Console Watch – IGN
----