Dynamic Resolution Scaling

Khi đặt câu hỏi điều chỉnh độ phân giải động 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 yêu cầu cao, 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 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 sectionCách hoạt động của Điều chỉnh độ phân giải động#

Trong một pipeline xử lý tiêu chuẩn, phần cứng có nhiệm vụ xử lý một số lượng pixel cố định. Nếu bạn đang tự hỏi điều chỉnh độ phân giải động làm được gì, nó sẽ chủ động theo dõi các số liệu 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 hạ độ phân giải nội bộ để giảm khối lượng công việc cho đơn vị xử lý đồ họa (GPU).

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

Link to this sectionCác ứng dụng thực tế#

Điều chỉnh độ phân giải động 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 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 các công cụ này để kết xuất các môi trường phức tạp ở độ phân giải thấp thay đổi. AI sau đó sử dụng các kỹ thuật nâng cấp không gian để xuất ra hình ảnh sắc nét, làm cho 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 ràng buộc về điện 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 linh hoạt tham số imgsz đầu vào, mô hình có thể giảm tỷ lệ từ 640x640 xuống 320x320 trong thời gian hệ thống tải cao điểm, đảm bảo suy luận thời gian thực liên tục.

Link to this sectionBạn có nên sử dụng Điều chỉnh độ phân giải động không?#

Một câu hỏi phổ biến giữa các nhà phát triển là tôi có nên sử dụng điều chỉnh độ phân giải động không, và liệu điều chỉnh độ phân giải động có tốt cho các triển khai điện toán biên hay không. Câu trả lời thường là có, đặc biệt là 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 ngừa sự cố phần mềm hoặc giật lag. Nếu bạn đang cấu hình pipeline thị giác máy tính trên Ultralytics Platform, việc sử dụng chiến lược độ phân giải thích ứng có thể mang lại hiệu quả tương tự như việc tối ưu hóa kích thước lô (batch size) hoặc áp dụng lượng tử hóa mô hình để cải thiện hiệu suất pipeline tổng thể.

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

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

Bạn có thể dễ dàng xây dựng một tập lệnh bằng ngôn ngữ lập trình Python mô phỏng DRS bằng cách thay đổi linh hoạt kích thước hình ảnh được truyền tới chế độ dự đoán (predict mode) của mô hình. Bằng cách khai thác kiến trúc đồ thị động, mô hình thích ứng liền mạch với kích thước mới mà không cần phải 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 đợt tăng hiệu suất một cách mượt mà mà không làm gián đoạn nguồn cấp dữ liệu video.