Dynamic Resolution Scaling

Dinamik çözünürlük ölçeklendirmenin ne olduğu sorulduğunda, bu, sabit bir kare hızı korumak ve hesaplama kaynaklarını optimize etmek için bir görüntünün, video karesinin veya işleme hattının dahili çözünürlüğünü gerçek zamanlı olarak ayarlayan bir tekniği ifade eder. Başlangıçta video oyunlarında zorlu sahneler sırasında performans düşüşlerini önlemek için popüler hale gelen Dinamik Çözünürlük Ölçeklendirme (DRS), yapay zeka (AI) ve bilgisayarlı görü alanlarında kritik bir kavram haline gelmiştir. Donanım yüküne göre çözünürlüğü dinamik olarak değiştirerek, sistemler ciddi gecikme artışları olmadan tutarlı bir işlem hacmi sağlayabilir.

Link to this sectionDinamik Çözünürlük Ölçeklendirme Nasıl Çalışır?#

Standart bir işleme hattında donanım, sabit sayıda pikseli işlemekle görevlidir. Dinamik çözünürlük ölçeklendirmenin ne işe yaradığını merak ediyorsan, sistem performansı metriklerini—örneğin çıkarım gecikmesi veya kare işleme süresi gibi—aktif olarak izler. Sistem bir darboğaz tespit ederse, DRS, grafik işlem birimi (GPU) üzerindeki iş yükünü azaltmak için dahili çözünürlüğü otomatik olarak düşürür.

Modern uygulamalar, DRS'yi sıklıkla gelişmiş derin öğrenme ölçekleyicileriyle (upscaler) eşleştirir. Bu senaryolarda, AI destekli grafik işleme, düşük çözünürlüklü bir temelden yüksek kaliteli bir çıktı görüntüsü oluşturur. Bu, algoritmaların sahneleri sorunsuz bir şekilde analiz etmesini veya görüntülemesini sağlarken, AI eksik görsel bilgileri akıllıca tamamlar.

Link to this sectionGerçek Dünya Uygulamaları#

Dinamik Çözünürlük Ölçeklendirme, hız ve doğruluğu dengelemek için hem bilgisayar grafikleri hem de makine öğrenimi dağıtımlarında yoğun bir şekilde kullanılır:

• AI Destekli Grafikler ve Oyun: DRS'nin en belirgin tüketici kullanımı, NVIDIA DLSS (Deep Learning Super Sampling) ve AMD FSR ile birliktedir. Üst düzey uygulamalar, karmaşık ortamları değişken, daha düşük bir çözünürlükte işlemek için bu araçlara güvenir. AI daha sonra net bir görüntü çıktısı almak için uzamsal ölçeklendirme tekniklerini kullanır ve bu da PlayStation Spectral Super Resolution (PSSR) gibi teknolojileri modern grafiklerin pürüzsüz olması için kritik hale getirir.
• Uç Cihazlarda Uyarlanabilir Bilgisayarlı Görü: Nesne tespiti modellerini uç bilişim kısıtlamalarına ve termal kısıtlama sınırlamalarına tabi donanımlarda dağıtırken, gerçek zamanlı hızları korumak zordur. Geliştiriciler, Ultralytics YOLO26 gibi modeller için uyarlanabilir bir strateji uygulayabilir. Giriş imgsz parametresini dinamik olarak ayarlayarak, model sistemin yoğun yük altında olduğu anlarda 640x640'tan 320x320'ye ölçeklenebilir ve böylece kesintisiz gerçek zamanlı çıkarım sağlanabilir.

Link to this sectionDinamik Çözünürlük Ölçeklendirme Kullanmalı mısın?#

Geliştiriciler arasında sıkça sorulan bir soru, dinamik çözünürlük ölçeklendirme kullanmalı mıyım ve dinamik çözünürlük ölçeklendirme uç bilişim dağıtımları için iyi mi şeklindedir. Cevap genellikle evettir, özellikle tutarlı performansın en küçük görsel detayı analiz etmekten daha kritik olduğu sistemler için. Sabit çözünürlük, hesaplama maliyetine bakılmaksızın aynı piksel sayısının işlenmesini zorunlu kılarken, DRS yazılım çökmelerini veya takılmaları önlemek için esneklik sağlar. Ultralytics Platform üzerinde bir bilgisayarlı görü hattı yapılandırıyorsan, uyarlanabilir bir çözünürlük stratejisi kullanmak, genel hat verimliliğini artırmak için yığın boyutu (batch size) optimize etmek veya model kuantizasyonu uygulamak kadar etkili olabilir.

Görüntünün belirli kısımlarındaki doku detayını seçici olarak azaltan Değişken Oranlı Gölgelendirme'nin (Variable Rate Shading) aksine, DRS tüm görüntü ayak izini ölçeklendirir. Bu durum, doğrudan PyTorch çerçevesine veya grafik motoruna iletilen küresel giriş boyutunu etkiler.

Link to this sectionGörü AI'da Uyarlanabilir Çözünürlük Uygulama#

Python programlama dilini kullanarak, modelin tahmin moduna iletilen görüntü boyutunu dinamik olarak değiştirerek DRS'yi taklit eden bir betiği kolayca oluşturabilirsin. Dinamik grafik mimarilerinden yararlanarak, model yeniden yüklemeye gerek kalmadan anında yeni boyuta sorunsuz bir şekilde uyum sağlar.

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

Çözünürlüğü uyarlanabilir bir şekilde yöneterek, NVIDIA Jetson gibi cihazlara daha sağlam bilgisayarlı görü sistemleri dağıtabilir ve video akışını kesmeden performans artışlarını yönetebilirsin.