浙江
索尼近日提交了一项新的人工智能技术专利，提出利用AI在显卡完成渲染之前预测游戏的下一帧画面，从而减少画面卡顿现象，并尽量避免部分现有帧生成技术带来的额外延迟问题。根据专利描述，该系统能够基于最近完成渲染的一帧画面，并结合玩家最新的控制器输入信息，提前生成预测画面，在下一帧正式渲染完成前显示给玩家。
这项技术主要针对当前部分帧生成方案存在的一个缺陷。许多现有方案需要先获得两帧已经完成的图像，然后才能计算并生成位于两者之间的插入帧，而等待第二帧完成的过程会带来额外延迟。索尼的新方法则试图跳过这一等待环节，直接利用现有画面预测未来画面，而不是在两帧之间进行插值计算。
理论上，这种方式有望在渲染负载升高、帧率下降时保持更加平稳的画面输出。不过，专利文件并未提供具体性能测试结果，因此其对于延迟改善幅度以及最终画面质量的实际影响仍有待验证。
从技术实现角度来看，索尼设计了一套联合训练的编码器与解码器架构。编码器负责将已渲染完成的画面转换为一种紧凑的数值表示形式，即嵌入向量；随后解码器依据这些数据生成预测画面。
在游戏运行过程中，该系统将与图形渲染管线同步工作。当硬件正在渲染下一帧时，AI会同时处理上一帧画面，并将预测结果送入显示缓冲区。这样一来，预测画面可以在真实渲染帧完成之前先行显示，从而填补渲染间隙。
专利还提到，模型能够利用运动向量以及最新的控制器输入数据提升预测准确性。运动向量可以反映图像中物体的移动方向和速度，而按键操作则能够体现玩家最新的行为意图，两者都能为AI提供比单纯上一帧画面更多的信息。
训练阶段则采用连续视频帧作为数据来源。神经网络首先以随机权重开始训练，接收一帧图像作为输入并尝试预测下一帧，然后将预测结果与真实后续画面进行比较，通过损失值衡量误差大小并不断优化模型。
按照专利描述，系统会在训练过程中持续检测损失值是否达到设定阈值。由于连续视频本身就能提供真实参考画面，因此整个训练流程无需人工标注数据。此外，解码器输出的颜色通道数量比编码器接收的更多，这意味着系统未来有能力一次生成多张预测帧。
除了AI方案之外，索尼还提出了一种非人工智能的替代方法。该方案通过依据运动信息移动像素块来生成合成帧，而无需使用训练好的编码器和解码器模型。专利文件同时宣称，这些技术有望在维持固定帧输出速率的同时避免降低画面质量，但生成帧究竟能否真正达到与原生渲染相近的视觉效果，目前仍是未知数。
业内人士认为，这项技术的关键考验在于AI是否能够以足够快的速度准确生成预测画面，在渲染性能下降时及时填补显示空缺。专利展示了一种可行思路，但其实际效果仍需等待未来产品或技术演示来验证。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
