Dynamic Resolution Scaling

動的解像度スケーリングとは、画像、ビデオフレーム、またはレンダリングパイプラインの内部解像度をリアルタイムで調整し、安定したフレームレートを維持して計算リソースを最適化する技術のことです。もともとビデオゲームで負荷の高いシーンでのパフォーマンス低下を防ぐために普及した動的解像度スケーリング（DRS）は、人工知能（AI）やコンピュータビジョンにおいても重要な概念となっています。ハードウェアの負荷に基づいて解像度を動的に変更することで、システムは大きな遅延のスパイクを防ぎ、一貫したスループットを確保できます。

Link to this section動的解像度スケーリングの仕組み#

標準的な処理パイプラインでは、ハードウェアは固定されたピクセル数の処理を求められます。動的解像度スケーリングが何をするかというと、推論レイテンシやフレームレンダリング時間などのシステムパフォーマンス指標をアクティブに監視します。システムがボトルネックを検出すると、DRSは自動的に内部解像度を下げ、GPU（グラフィックスプロセッシングユニット）の負荷を軽減します。

最新の実装では、DRSと高度なディープラーニングアップスケーラーが頻繁に組み合わされます。このようなシナリオでは、AI駆動型グラフィックスレンダリングが低解像度のベースから高品質な出力画像を再構成します。これにより、アルゴリズムはシーンをスムーズに分析または表示しながら、AIが欠落した視覚情報をインテリジェントに補完することが可能になります。

Link to this section実際の応用例#

動的解像度スケーリングは、コンピュータグラフィックスと機械学習の実装の両方で広く活用されており、速度と精度のバランスをとるために使用されます。

• AIを活用したグラフィックスとゲーミング: DRSの最も著名な消費者向け用途は、NVIDIA DLSS（Deep Learning Super Sampling）やAMD FSRと併用されるケースです。ハイエンドアプリケーションはこれらのツールに依存し、複雑な環境を可変の低解像度でレンダリングします。その後、AIが空間アップスケーリング技術を使用して鮮明な画像を出力するため、PlayStation Spectral Super Resolution（PSSR）のような技術が現代のスムーズなグラフィックスにおいて重要になっています。
• Adaptive Computer Vision on Edge Devices: When deploying object detection models on hardware subject to edge computing constraints and thermal throttling limitations, maintaining real-time speeds is challenging. Developers can implement an adaptive strategy for models like Ultralytics YOLO26. By dynamically adjusting the input imgsz parameter, the model can scale down from 640x640 to 320x320 during peak system loads, ensuring continuous real-time inference.

Link to this section動的解像度スケーリングを使用すべきか？#

開発者の間でよくある質問は、動的解像度スケーリングを使用すべきか、そしてエッジコンピューティングのデプロイに有用かどうかという点です。答えは概ね「はい」です。特に、細かな視覚情報の分析よりも一貫したパフォーマンスが重要なシステムにおいては有効です。静的解像度は計算コストに関わらず同じピクセル数の処理を強制しますが、DRSはソフトウェアのクラッシュやスタッタリングを防ぐ柔軟性を提供します。Ultralytics Platformでコンピュータビジョンパイプラインを構成する場合、適応型解像度戦略の活用は、バッチサイズの最適化やモデル量子化の適用と同様に、パイプライン全体の効率を向上させる上で効果的です。

画像内の特定の箇所のテクスチャ詳細を選択的に低減する可変レートシェーディング（Variable Rate Shading）とは異なり、DRSは画像全体のスケーリングを行います。これは、PyTorchフレームワークやグラフィックスエンジンに渡されるグローバルな入力次元に直接影響します。

Link to this sectionVision AIにおける適応型解像度の実装#

Pythonプログラミング言語を使用して、モデルの予測モード（predict mode）に渡す画像サイズを動的に変更することで、DRSを模倣するスクリプトを簡単に構築できます。動的グラフアーキテクチャを活用することで、モデルを再読み込みすることなく、新しいサイズに即座にシームレスに調整できます。

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

解像度を適応的に管理することで、NVIDIA Jetsonのようなデバイスにより堅牢なコンピュータビジョンシステムを導入し、ビデオフィードを中断させることなくパフォーマンスの急増に適切に対処できるようになります。