Dynamic Resolution Scaling

Quando ti chiedi cos'è la dynamic resolution scaling, sappi che si riferisce a una tecnica che regola la risoluzione interna di un'immagine, di un frame video o di una pipeline di rendering in tempo reale per mantenere un frame rate stabile e ottimizzare le risorse computazionali. Originariamente resa popolare nei videogiochi per prevenire 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 è incaricato di elaborare un numero fisso di pixel. Se ti stai chiedendo cosa fa la dynamic resolution scaling, sappi che monitora attivamente le metriche delle prestazioni del sistema, come la latenza di inferenza o il tempo di rendering dei frame. 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 implementazioni moderne spesso associano la DRS a upscaler avanzati di deep learning. In questi scenari, il rendering grafico basato su AI ricostruisce un'immagine di output di alta qualità partendo 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 computer grafica che nelle implementazioni di machine learning per bilanciare velocità e precisione:

• Grafica e Gaming basati su AI: L'uso consumer più importante 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 inferiore. L'AI utilizza quindi tecniche di upscaling spaziale per produrre un'immagine nitida, rendendo tecnologie come la PlayStation Spectral Super Resolution (PSSR) fondamentali per una grafica moderna e fluida.
• Computer Vision adattiva su dispositivi Edge: Quando si distribuiscono modelli di object detection su hardware soggetto a vincoli di edge computing e limitazioni di thermal throttling, mantenere velocità real-time è difficile. Gli sviluppatori possono implementare una strategia adattiva per modelli come Ultralytics YOLO26. Regolando dinamicamente il parametro imgsz di input, il modello può scalare da 640x640 a 320x320 durante i picchi di carico del sistema, garantendo un'inferenza real-time 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 sia valida per le distribuzioni 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 numero di pixel indipendentemente dal costo computazionale, la DRS offre la flessibilità per prevenire crash del software o rallentamenti. Se stai configurando una pipeline di computer vision sulla Ultralytics Platform, l'utilizzo di una strategia di risoluzione adattiva può essere efficace tanto quanto ottimizzare il tuo batch size o applicare la model quantization per migliorare l'efficienza complessiva della pipeline.

A differenza della Variable Rate Shading, che riduce selettivamente il dettaglio delle texture in parti specifiche di un'immagine, la DRS scala l'intero ingombro dell'immagine. Questo influisce strettamente sulla dimensione globale dell'input passata al framework PyTorch o al motore grafico.

Link to this sectionImplementazione della risoluzione adattiva nella Vision AI#

Puoi facilmente creare uno script utilizzando il linguaggio di programmazione Python che imita 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 garbo i picchi di prestazioni senza interrompere il feed video.