Dynamic Resolution Scaling

Quando ti chiedi cosa sia la dynamic resolution scaling, questa si riferisce a una tecnica che regola la risoluzione interna di un'immagine, di un fotogramma video o di una pipeline di rendering in tempo reale per mantenere una frequenza di fotogrammi stabile e ottimizzare le risorse computazionali. Originariamente resa popolare nei videogiochi per evitare cali di prestazioni durante scene impegnative, la Dynamic Resolution Scaling (DRS) è diventata un concetto critico nell'intelligenza artificiale (AI) e nella computer vision. Alterando dinamicamente la risoluzione in base al carico dell'hardware, i sistemi possono garantire un throughput costante senza gravi picchi di latenza.

Link to this sectionCome funziona la Dynamic Resolution Scaling#

In una pipeline di elaborazione standard, l'hardware ha il compito di elaborare un numero fisso di pixel. Se ti stai chiedendo cosa faccia la dynamic resolution scaling, essa monitora attivamente le metriche delle prestazioni del sistema, come la latenza di inferenza o il tempo di rendering dei fotogrammi. Se il sistema rileva un collo di bottiglia, la DRS abbassa automaticamente la risoluzione interna per ridurre il carico di lavoro sulla graphics processing unit (GPU).

Le moderne implementazioni spesso abbinano la DRS ad avanzati upscaler di deep learning. In questi scenari, il rendering grafico guidato dall'AI ricostruisce un'immagine di output di alta qualità a partire da una base a risoluzione inferiore. Ciò consente agli algoritmi di analizzare o visualizzare le scene in modo fluido mentre l'AI riempie in modo intelligente le informazioni visive mancanti.

Link to this sectionApplicazioni nel mondo reale#

La Dynamic Resolution Scaling è ampiamente utilizzata sia nella grafica computerizzata che nelle implementazioni di machine learning per bilanciare velocità e precisione:

• Grafica e gaming potenziati dall'AI: l'uso più importante per i consumatori della DRS è insieme a NVIDIA DLSS (Deep Learning Super Sampling) e AMD FSR. Le applicazioni di fascia alta si affidano a questi strumenti per renderizzare ambienti complessi a una risoluzione variabile più bassa. L'AI utilizza quindi tecniche di upscaling spaziale per produrre un'immagine nitida, rendendo tecnologie come la PlayStation Spectral Super Resolution (PSSR) cruciali per una grafica moderna e fluida.
• Computer Vision adattiva su dispositivi edge: quando distribuisci modelli di object detection su hardware soggetto a vincoli di edge computing e limitazioni di thermal throttling, mantenere velocità in tempo reale è una sfida. Gli sviluppatori possono implementare una strategia adattiva per modelli come Ultralytics YOLO26. Regolando dinamicamente il parametro imgsz di input, il modello può passare da 640x640 a 320x320 durante i picchi di carico del sistema, garantendo un'inferenza in tempo reale continua.

Link to this sectionDovresti usare la Dynamic Resolution Scaling?#

Una domanda comune tra gli sviluppatori è se dovresti usare la dynamic resolution scaling e se la dynamic resolution scaling sia valida per le implementazioni di edge computing. La risposta è generalmente sì, specialmente per i sistemi in cui prestazioni costanti sono più critiche rispetto all'analisi di ogni minimo dettaglio visivo. Mentre la risoluzione statica forza l'elaborazione dello stesso conteggio di pixel indipendentemente dal costo computazionale, la DRS offre la flessibilità per prevenire crash del software o balbettii. Se stai configurando una pipeline di computer vision sulla Ultralytics Platform, utilizzare una strategia di risoluzione adattiva può essere efficace quanto ottimizzare la tua batch size o applicare la quantizzazione del modello per migliorare l'efficienza complessiva della pipeline.

A differenza della Variable Rate Shading, che riduce i dettagli della texture in modo selettivo in parti specifiche di un'immagine, la DRS riduce l'intera impronta dell'immagine. Ciò influisce rigorosamente sulla dimensione di input globale passata al framework PyTorch o al motore grafico.

Link to this sectionImplementazione della risoluzione adattiva nella Vision AI#

Puoi facilmente costruire uno script utilizzando il linguaggio di programmazione Python che imiti la DRS alterando dinamicamente la dimensione dell'immagine passata alla predict mode del modello. Sfruttando le architetture a grafo dinamico, il modello si adatta perfettamente alla nuova dimensione al volo senza bisogno di ricaricare.

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

Gestendo la risoluzione in modo adattivo, puoi distribuire sistemi di computer vision più robusti su dispositivi come NVIDIA Jetson e gestire con grazia i picchi di prestazioni senza interrompere il feed video.