Dynamic Resolution Scaling

Когда спрашивают, что такое масштабирование с динамическим разрешением, имеется в виду техника, которая в реальном времени подстраивает внутреннее разрешение изображения, видеокадра или конвейера рендеринга для поддержания стабильной частоты кадров и оптимизации вычислительных ресурсов. Изначально получив популярность в видеоиграх для предотвращения падений производительности в сложных сценках, динамическое масштабирование разрешения (DRS) стало важнейшим понятием в искусственном интеллекте (ИИ) и компьютерном зрении. Динамически изменяя разрешение в зависимости от нагрузки на оборудование, системы могут обеспечивать стабильную пропускную способность без резких скачков задержки.

Как работает динамическое масштабирование разрешения#

В стандартном конвейере обработки оборудования требуется обрабатывать фиксированное число пикселей. Если тебе интересно, что делает динамическое масштабирование разрешения, оно активно отслеживает метрики производительности системы — такие как задержка инференса или время рендеринга кадра. Если система обнаруживает узкое место, DRS автоматически снижает внутреннее разрешение, чтобы уменьшить нагрузку на графический процессор (GPU).

Современные реализации часто объединяют DRS с продвинутыми апскейлерами на базе глубокого обучения. В таких сценариях рендеринг графики на основе ИИ восстанавливает высококачественное выходное изображение из базы с более низким разрешением. Это позволяет алгоритмам плавно анализировать или отображать сцены, пока ИИ интеллектуально заполняет недостающую визуальную информацию.

Реальные приложения#

Динамическое масштабирование разрешения активно используется как в компьютерной графике, так и при развертывании моделей машинного обучения для баланса скорости и точности:

• Графика и гейминг на базе ИИ: Самое заметное потребительское применение DRS связано с NVIDIA DLSS (Deep Learning Super Sampling) и AMD FSR. Высокопроизводительные приложения полагаются на эти инструменты для рендеринга сложных окружений в переменном более низком разрешении. Затем ИИ использует методы пространственного апскейлинга для вывода четкого изображения, что делает такие технологии, как PlayStation Spectral Super Resolution (PSSR), критически важными для плавной современной графики.
• Адаптивное компьютерное зрение на периферийных устройствах: При развертывании моделей обнаружения объектов на оборудовании, подверженном ограничениям периферийных вычислений и ограничениям теплового троттлинга, поддерживать скорость в реальном времени сложно. Разработчики могут внедрить адаптивную стратегию для таких моделей, как Ultralytics YOLO26. Динамически настраивая входной параметр imgsz, модель может масштабироваться вниз с 640x640 до 320x320 во время пиковых системных нагрузок, обеспечивая непрерывный инференс в реальном времени.

Стоит ли использовать динамическое масштабирование разрешения?#

Частый вопрос среди разработчиков — стоит ли мне использовать масштабирование с динамическим разрешением и хорошо ли оно подходит для развертывания периферийных вычислений. Ответ, как правило, да, особенно для систем, где стабильная производительность важнее анализа каждой мелкой визуальной детали. В то время как статичное разрешение заставляет обрабатывать одинаковое количество пикселей независимо от вычислительных затрат, DRS обеспечивает гибкость, позволяя предотвратить сбои или подтормаживания ПО. Если ты настраиваешь конвейер компьютерного зрения на платформе Ultralytics, использование стратегии адаптивного разрешения может оказаться столь же эффективным, как и оптимизация размера батча или применение квантования моделей для повышения общей эффективности конвейера.

В отличие от Variable Rate Shading, которая выборочно снижает детализацию текстур в определенных частях изображения, DRS масштабирует весь объем изображения целиком. Это напрямую влияет на глобальное входное измерение, передаваемое в фреймворк PyTorch или графический движок.

Внедрение адаптивного разрешения в Vision AI#

Ты можешь легко создать скрипт на языке программирования Python, который имитирует DRS, динамически изменяя размер изображения, передаваемого в режим предсказания модели. Используя архитектуры динамических графов, модель плавно подстраивается под новый размер на лету без необходимости перезагрузки.

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

Управляя разрешением адаптивно, ты можешь развертывать более надежные системы компьютерного зрения на таких устройствах, как NVIDIA Jetson, и изящно справляться с пиками производительности без прерывания видеопотока.