Dynamic Resolution Scaling

Quand on demande ce qu'est la mise à l'échelle dynamique de la résolution, il s'agit d'une technique qui ajuste la résolution interne d'une image, d'une séquence vidéo ou d'un pipeline de rendu en temps réel pour maintenir une fréquence d'images stable et optimiser les ressources informatiques. Initialement popularisée dans les jeux vidéo pour éviter les baisses de performance lors de scènes exigeantes, la Dynamic Resolution Scaling (DRS) est devenue un concept crucial en intelligence artificielle (IA) et en vision par ordinateur. En modifiant dynamiquement la résolution en fonction de la charge matérielle, les systèmes peuvent garantir un débit constant sans pics de latence sévères.

Link to this sectionComment fonctionne la mise à l'échelle dynamique de la résolution#

Dans un pipeline de traitement standard, le matériel est chargé de traiter un nombre fixe de pixels. Si tu te demandes à quoi sert la mise à l'échelle dynamique de la résolution, sache qu'elle surveille activement les indicateurs de performance du système, tels que la latence d'inférence ou le temps de rendu des images. Si le système détecte un goulot d'étranglement, la DRS réduit automatiquement la résolution interne pour alléger la charge de travail du processeur graphique (GPU).

Les implémentations modernes associent fréquemment la DRS à des sur-échantillonneurs avancés basés sur le deep learning. Dans ces scénarios, le rendu graphique piloté par l'IA reconstruit une image de sortie de haute qualité à partir d'une base de résolution inférieure. Cela permet aux algorithmes d'analyser ou d'afficher des scènes de manière fluide pendant que l'IA complète intelligemment les informations visuelles manquantes.

Link to this sectionApplications concrètes#

La mise à l'échelle dynamique de la résolution est largement utilisée dans le graphisme informatique et les déploiements d'apprentissage automatique pour équilibrer vitesse et précision :

• Graphismes et jeux propulsés par l'IA : L'utilisation grand public la plus importante de la DRS se fait aux côtés du NVIDIA DLSS (Deep Learning Super Sampling) et de l'AMD FSR. Les applications haut de gamme s'appuient sur ces outils pour rendre des environnements complexes à une résolution variable inférieure. L'IA utilise ensuite des techniques de sur-échantillonnage spatial pour produire une image nette, rendant des technologies comme la PlayStation Spectral Super Resolution (PSSR) cruciales pour des graphismes modernes fluides.
• Vision par ordinateur adaptative sur appareils Edge : Lors du déploiement de modèles de détection d'objets sur du matériel soumis à des contraintes d'edge computing et à des limitations de thermal throttling, maintenir des vitesses en temps réel est un défi. Tu peux implémenter une stratégie adaptative pour des modèles comme Ultralytics YOLO26. En ajustant dynamiquement le paramètre d'entrée imgsz, le modèle peut passer de 640x640 à 320x320 lors des pics de charge du système, garantissant ainsi une inférence en temps réel continue.

Link to this sectionDevrais-tu utiliser la mise à l'échelle dynamique de la résolution ?#

Une question courante parmi les développeurs est de savoir si l'on doit utiliser la mise à l'échelle dynamique de la résolution, et si elle est adaptée aux déploiements en edge computing. La réponse est généralement oui, surtout pour les systèmes où une performance constante est plus critique que l'analyse de chaque détail visuel infime. Alors qu'une résolution statique impose le traitement du même nombre de pixels quel que soit le coût computationnel, la DRS offre la flexibilité nécessaire pour éviter les plantages logiciels ou les saccades. Si tu configures un pipeline de vision par ordinateur sur l'Ultralytics Platform, utiliser une stratégie de résolution adaptative peut être tout aussi efficace qu'optimiser ta taille de lot ou appliquer une quantification de modèle pour améliorer l'efficacité globale du pipeline.

Contrairement au Variable Rate Shading, qui réduit sélectivement les détails des textures dans certaines parties d'une image, la DRS ajuste l'empreinte de l'image entière. Cela affecte strictement la dimension d'entrée globale transmise au framework PyTorch ou au moteur graphique.

Link to this sectionImplémenter une résolution adaptative en Vision AI#

Tu peux facilement créer un script en utilisant le langage de programmation Python qui imite la DRS en modifiant dynamiquement la taille de l'image transmise au mode prédiction du modèle. En exploitant les architectures de graphes dynamiques, le modèle s'adapte sans transition à la nouvelle taille à la volée, sans avoir besoin d'être rechargé.

from ultralytics import YOLO

# Load a pre-trained Ultralytics YOLO26 model
model = YOLO("yolo26n.pt")


def adaptive_inference(frame, current_fps):
    # Dynamically scale input resolution based on system performance (e.g., target 30 FPS)
    input_size = 640 if current_fps > 30 else 320

    # Run inference with the dynamically selected resolution
    results = model.predict(source=frame, imgsz=input_size, verbose=False)
    return results

En gérant la résolution de manière adaptative, tu peux déployer des systèmes de vision par ordinateur plus robustes sur des appareils comme le NVIDIA Jetson et gérer élégamment les pics de performance sans interrompre le flux vidéo.