Dynamic Resolution Scaling

Khi đặt câu hỏi dynamic resolution scaling là gì, nó đề cập đến một kỹ thuật điều chỉnh độ phân giải nội bộ của hình ảnh, khung hình video hoặc pipeline kết xuất trong thời gian thực để duy trì tốc độ khung hình ổn định và tối ưu hóa tài nguyên tính toán. Ban đầu được phổ biến trong trò chơi điện tử để ngăn chặn sự sụt giảm hiệu suất trong các cảnh đòi hỏi khắt khe, Dynamic Resolution Scaling (DRS) đã trở thành một khái niệm quan trọng trong trí tuệ nhân tạo (AI) và thị giác máy tính. Bằng cách thay đổi độ phân giải một cách linh hoạt dựa trên tải phần cứng, các hệ thống có thể đảm bảo thông lượng nhất quán mà không bị tăng độ trễ nghiêm trọng.

Link to this sectionDynamic Resolution Scaling hoạt động như thế nào#

Trong một pipeline xử lý tiêu chuẩn, phần cứng được giao nhiệm vụ xử lý một số lượng pixel cố định. Nếu bạn đang tự hỏi dynamic resolution scaling làm gì, nó sẽ chủ động theo dõi các chỉ số hiệu suất hệ thống—chẳng hạn như độ trễ suy luận hoặc thời gian kết xuất khung hình. Nếu hệ thống phát hiện nút thắt cổ chai, DRS sẽ tự động giảm độ phân giải nội bộ để giảm khối lượng công việc cho bộ xử lý đồ họa (GPU).

Các triển khai hiện đại thường kết hợp DRS với các bộ nâng cấp học sâu (deep learning) tiên tiến. Trong các kịch bản này, kết xuất đồ họa dựa trên AI sẽ tái tạo một hình ảnh đầu ra chất lượng cao từ một cơ sở có độ phân giải thấp hơn. Điều này cho phép các thuật toán phân tích hoặc hiển thị các cảnh một cách mượt mà trong khi AI thông minh lấp đầy các thông tin hình ảnh bị thiếu.

Link to this sectionCác ứng dụng trong thực tế#

Dynamic Resolution Scaling được sử dụng rộng rãi trong cả triển khai đồ họa máy tính và học máy để cân bằng giữa tốc độ và độ chính xác:

• Đồ họa và Trò chơi hỗ trợ bởi AI: Công dụng tiêu dùng nổi bật nhất của DRS là cùng với NVIDIA DLSS (Deep Learning Super Sampling) và AMD FSR. Các ứng dụng cao cấp dựa vào những công cụ này để kết xuất các môi trường phức tạp ở độ phân giải thấp biến đổi. Sau đó, AI sử dụng các kỹ thuật nâng cấp không gian để xuất ra hình ảnh sắc nét, khiến các công nghệ như PlayStation Spectral Super Resolution (PSSR) trở nên quan trọng đối với đồ họa hiện đại mượt mà.
• Thị giác máy tính thích ứng trên thiết bị biên: Khi triển khai các mô hình phát hiện đối tượng trên phần cứng chịu các hạn chế về tính toán biên và các giới hạn điều tiết nhiệt, việc duy trì tốc độ thời gian thực là một thách thức. Các nhà phát triển có thể triển khai chiến lược thích ứng cho các mô hình như Ultralytics YOLO26. Bằng cách điều chỉnh động tham số imgsz đầu vào, mô hình có thể giảm tỷ lệ từ 640x640 xuống 320x320 trong thời gian tải hệ thống cao điểm, đảm bảo suy luận thời gian thực liên tục.

Link to this sectionBạn có nên sử dụng Dynamic Resolution Scaling không?#

Một câu hỏi phổ biến giữa các nhà phát triển là tôi có nên sử dụng dynamic resolution scaling không, và dynamic resolution scaling có tốt cho các triển khai tính toán biên không. Câu trả lời thường là có, đặc biệt đối với các hệ thống mà hiệu suất nhất quán quan trọng hơn việc phân tích từng chi tiết hình ảnh nhỏ. Trong khi độ phân giải tĩnh buộc phải xử lý cùng một số lượng pixel bất kể chi phí tính toán, DRS cung cấp sự linh hoạt để ngăn chặn tình trạng treo hoặc giật lag phần mềm. Nếu bạn đang cấu hình một pipeline thị giác máy tính trên Nền tảng Ultralytics, việc sử dụng chiến lược độ phân giải thích ứng có thể hiệu quả ngang với việc tối ưu hóa kích thước lô (batch size) hoặc áp dụng lượng tử hóa mô hình để cải thiện hiệu quả tổng thể của pipeline.

Không giống như Variable Rate Shading, giúp giảm chi tiết kết cấu một cách có chọn lọc ở các phần cụ thể của hình ảnh, DRS thu nhỏ toàn bộ dấu chân hình ảnh. Điều này tác động trực tiếp đến kích thước đầu vào toàn cục được chuyển vào framework PyTorch hoặc công cụ đồ họa.

Link to this sectionTriển khai độ phân giải thích ứng trong AI thị giác#

Bạn có thể dễ dàng xây dựng một tập lệnh bằng ngôn ngữ lập trình Python để bắt chước DRS bằng cách thay đổi động kích thước hình ảnh được chuyển đến chế độ dự đoán (predict mode) của mô hình. Bằng cách khai thác các kiến trúc đồ thị động, mô hình điều chỉnh liền mạch theo kích thước mới mà không cần tải lại.

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

Bằng cách quản lý độ phân giải một cách thích ứng, bạn có thể triển khai các hệ thống thị giác máy tính mạnh mẽ hơn cho các thiết bị như NVIDIA Jetson và xử lý các sự cố về hiệu suất một cách khéo léo mà không làm gián đoạn nguồn cấp dữ liệu video.