Modowanie gier i montaż wideo na pstryknięcie palcem, czyli jak NVIDIA wykorzystuje potencjał lokalnej AI?

Bądźmy całkowicie szczerzy – AI stało się nieodłącznym elementem rozwoju technologicznego i coraz częściej niepostrzeżenie wchodzi do naszego codziennego życia. NVIDIA jako jeden z liderów technologicznych tworzy narzędzia, które przenoszą moc AI z chmury bezpośrednio na nasze komputery.

Dzięki najnowszym rozwiązaniom opartym na kartach graficznych NVIDIA GeForce RTX, lokalna AI staje się coraz bardziej przystępna i wydajniejsza niż kiedykolwiek wcześniej. Ogromną zaletą takiego rozwiązania jest to, że użytkownik nie musi polegać na prywatnych serwerach oraz podłączeniu do sieci, a zamiast tego może wykorzystać moc obliczeniową swojego komputera. Pozwala to zaprzęgnąć AI do różnych zadań – od edycji wideo po generowanie grafiki czy po prostu personalizację codziennych doświadczeń.

NVIDIA wykorzystuje tutaj przede wszystkim zaawansowane rdzenie Tensor oraz oprogramowanie, takie jak sterowniki NVIDIA Studio, a także rozwija projekty takie jak NVIDIA Canvas, pozwalające malować za pomocą AI. Nie brakuje także akceleracji w programach – np. w DaVinci Resolve – pokazujących, jak sztuczna inteligencja może wspomagać kreatywność i wydajność pracy. Postanowiłem na własnej skórze sprawdzić wspomniane rozwiązania.

Dowiedz się więcej o AI na RTX

Czym jest lokalna AI?

W uproszczeniu – lokalna AI (on-device AI) odnosi się do modeli sztucznej inteligencji, które działają bezpośrednio na urządzeniu użytkownika (np. komputerze, laptopie, smartfonie). Wówczas wszelkie procesy obliczeniowe korzystają z możliwości sprzętu, na którym są one zainstalowane. Zaletą niewątpliwie jest fakt, że przetwarzanie danych odbywa się lokalnie, bez potrzeby przesyłania informacji do zewnętrznych serwerów. To zapewnia większe bezpieczeństwo oraz naszych prywatnych danych.

W przeciwieństwie do dominujących na rynku modeli (ChatGPT czy Copilot), które przetwarzają dane oraz wykonują polecenia za pomocą serwerów zewnętrznych, do których użytkownik uzyskuje dostęp przez Internet. Oczywiście, chmurowa AI jest przydatna w przypadku zadań wymagających ogromnych zasobów obliczeniowych. Serwery mogą oferować niemal nieograniczoną moc obliczeniową na żądanie. Niestety wadą tego rozwiązania jest to, że chcąc nie chcąc dzielimy się informacjami z zewnętrznymi podmiotami, czego być może niektórzy wolą uniknąć.

Dlatego NVIDIA rozwija swoje serie kart graficznych zaprojektowanych z myślą o wysokowydajnych zastosowaniach, takich jak gry, obróbka grafiki, oraz – co szczególnie istotne – przetwarzanie zadań związanych z AI. Dzięki integracji rdzeni Tensor najnowsze modele kart graficznych NVIDIA GeForce RTX zdolne są do obsługi zaawansowanych obliczeń macierzowych, co jest kluczowe w treningu i inferencji modeli sztucznej inteligencji. Rdzenie te przyspieszają operacje, takie jak mnożenie macierzy i transformacje tensoryczne, które są podstawą działania modeli głębokiego uczenia. W efekcie nawet użytkownicy domowi mogą trenować i wdrażać lokalnie zaawansowane modele AI, a twórcy gier i aplikacji zyskują dostęp do narzędzi, które dawniej były zarezerwowane w większości dla dużych centrów danych.

NVIDIA rozwija wiele technologii wykorzystujących AI. Źródło: NVIDIA.

Na jakim sprzęcie testowałem te rozwiązania?

Co warto zaznaczyć, nie trzeba mieć topowego modelu z najwyższej pólki, takiego jak GeForce RTX 4090, aby korzystać z możliwości AI. Nawet tańsze modele, takie jak RTX 3050 czy RTX 3060, pozwalają na wydajne wykorzystanie lokalnych modeli AI. Ważniejsze od samej mocy obliczeniowej jest wsparcie sprzętowe dla rdzeni Tensor i kompatybilność z frameworkami, takimi jak TensorFlow, PyTorch czy bibliotekami optymalizacyjnymi NVIDIA (np. CUDA, TensorRT). Ja wykorzystywałem swojego Acera Heliosa 16 (GeForce RTX 4080, Intel Core i9 14900HX i 32 GB RAM-u) w celu przetestowania kilku interesujących mnie rozwiązań od „zielonych”.

Każdy ma w sobie artystę, musi go tylko uwolnić z NVIDIA Canvas

Na pierwszy ogień poszła NVIDIA Canvas, bo mam w sobie nieopierzonego artystę i postanowiłem dodać mu skrzydeł. Narzędzie to jest oparte na sztucznej inteligencji, która pozwala użytkownikom tworzyć obrazy na podstawie prostych szkiców. Wykorzystuje ono technologię generatywnych sieci neuronowych (GAN), aby przekształcać proste pociągnięcia pędzlem w krajobrazy i sceny. Bardzo ciekawe rozwiązanie, które pozwala na uwolnienie swojej kreatywności, bądź przygotowywania wizualizacji bez zbytniej znajomości programów graficznych. Jego główną zaletą jest wszechobecna prostota – zarówno w mechanice działania, jak i w samym interfejsie.

Projektowanie obrazu zaczyna się od prostego wyboru materiałów (wzgórza, piasek, woda etc.), z których będziemy je tworzyć. Następnie łączymy je w szkicowniku i na bieżąco widzimy, jakie skutki niesie ze sobą dodanie danej warstwy. Dzięki temu w banalny sposób można zaprojektować krajobraz. Co istotne Canvas nie przytłacza mnogością opcji i stawia na prostotę. To sprawia, że świetnie nadaje się dla każdego, kto chce po prostu wypróbować narzędzia AI. Sprawdzi się też jako element edukacyjny dla młodszych użytkowników.

Nie ukrywam, że trochę się tym narzędziem pobawiłem i dałem się wciągnąć – to doskonała zabawa, biorąc pod uwagę jej możliwości. Źródło: własne.

Montaż materiałów z moim nowym przyjacielem AI – potencjał NVIDIA Studio

NVIDIA współpracuje także z zewnętrznymi podmiotami, aby wspólnie rozwijać potencjał AI. Jednym z partnerów jest producent programu DaVinci Resolve, który osobiście zdarza mi się wykorzystywać do montażu. Do prawidłowego działania potrzebowałem sterownika NVIDIA Studio, który pozwala na wykorzystanie potencjału mojej karty graficznej. Co istotne nie zauważyłem wybitnego wzrostu użycia podzespołów względem tego, gdy bawiłem się montażem przed zastosowaniem opcji z NVIDIA Studio.

Na początek trzeba zmienić odpowiednie opcje, aby program zaczął wykorzystać potencjał naszego komputera. Źródło: Własne.

Wśród lepszych opcji AI, które przyszło mi testować, znajduje się na pewno Noise Reduction w wykonaniu NVIDIA Studio. Sztuczna inteligencja przyśpiesza redukcję szumów w wideo, co jest szczególnie przydatne przy materiałach nagrywanych w słabym świetle, zwłaszcza przy użyciu smartfonu. Pomaga to w montażu, a każdy zajmujący się tym tematem wie, jak nużąca potrafi być to praca. Dlatego obecność nowych narzędzi znacząco przyspiesza ten proces.

Na początku nowe opcje przytłaczają, ale jak już się ma lekkie doświadczenie, idzie je szybko znaleźć. Źródło: Własne.

Kolejną bardzo ciekawą opcją jest Magic Mask pozwalająca na szybsze maskowanie obiektów lub osób w klatkach wideo. Działa to całkiem nieźle, aczkolwiek bywa niedokładne. Wciąż to jednak wygodniejsze narzędzie niż samodzielne rysowanie obszaru wokół obiektów, a poprawki zawsze można wprowadzić ręcznie. Jeśli chodzi o zwiększenie rozdzielczości, to świetnym rozwiązaniem jest Super Scale. Pozwala to podnieść jakość np. z 1080p do 4K bez (większej) utraty jakości. AI skutecznie rozciąga obraz, pilnując jednocześnie, aby resampling obrazu był wykonywany w locie.

Super Scale jest fajne, ale warto porównać obraz przed i po resamplingu. Źródło: Własne

Szkoda tylko, że potencjał rozwiązań nie dotyczy wersji darmowej. Stosowanie ulepszonych efektów jest uzależnione od wykupienia pełnoprawnej wersji DaVinci Resolve. Mimo wszystko sterownik NVIDIA Stud sprawia, że montaż wykonuje się o wiele płynniej, a sam program rzadziej się zacina pod wpływem dużej ilości treści.

Modowanie gier z użyciem NVIDIA Remix

Jedną z największych ciekawostek od „zielonych” jest zdecydowanie NVIDIA Remix. To narzędzie przygotowano z myślą o starszych grach, które za jego pomocą można znacząco „odświeżyć” pod kątem grafiki. Oprogramowanie pozwala na dostosowane gier do współczesnych standardów oraz wdrażanie nowych możliwości graficznych m.in. ray tracing czy path tracing. Jak to działa? NVIDIA Remix wykorzystuje zaawansowane technologie sztucznej inteligencji oraz narzędzia RTX. Sam proces jest stosunkowo prosty:

• Na początek Remix zgrywa sceny, przechwytując dane z gry (mapy, tekstury, geometrię) podczas rozgrywki. Wykorzystuje tzw. narzędzie do przechwytywania sceny, które wyodrębnia wszystkie elementy świata gry.
• Następnie mamy etap edycji oraz ulepszania. Po przechwyceniu elementów gry jako użytkownik możemy je dowolnie modyfikować w edytorze NVIDIA Remix, dodając ray tracing, nowe tekstury, efekty świetlne i inne ulepszenia graficzne.
• I to tyle. Kolejnym etapem jest wdrażanie gotowych modyfikacji bezpośrednio w grze, co pozwala cieszyć się owocami swojej pracy.

A jaki finalnie wychodzi z tego efekt? Zaprzestańmy używać słów, niechaj obraz pokaże, że potencjał NVIDIA Remix jest ogromny:

Osobiście bardzo mocno liczę na dalszy rozwój tych narzędzi. Jest wiele starszych gier, które zasługują na odświeżenie i moderzy próbują to zrobić, ale z powodu braku czasu bądź możliwości technicznych takie projekty porzucają. Świetnym przykładem jest, chociażby BFME: Reforged, które zostało porzucone z powodu braku mocy przerobowych jego twórców. Wykorzystanie narzędzi AI takich, jak NVIDIA Remix pozwolą w przyszłości na znaczne łatwiejsze wykonanie tak ambitnych projektów. To na pewno ucieszy zarówno fanów, jak i samych twórców.

AI nas nie opuści, a warto mieć świadomość jej możliwości

NVIDIA za sprawą swoich GPU ma duże szanse, aby zdefiniować, czym będzie lokalna sztuczna inteligencja w kolejnych miesiącach. Od pojedynczych użytkowników, przez małe firmy, po entuzjastów sztucznej inteligencji – karty NVIDIA GeForce RTX są wszechstronnym narzędziem, które umożliwiają realizację ambitnych projektów AI bez konieczności sięgania po rozwiązania chmurowe. Zwłaszcza że większość narzędzi nie wymaga zastosowania najnowszych i najdroższych kart graficznych. Nauka ich wykorzystania może znacząco przyspieszyć prace nad projektami oraz ułatwić wdrażanie naszych pomysłów w życie. Warto więc mieć na oku rozwój lokalnej AI w wykonaniu NVIDIA.

Mateusz Zelek

Mateusz Zelek

Absolwent dziennikarstwa i komunikacji społecznej na Uniwersytecie Papieskim Jana Pawła II w Krakowie. W tematyce gier i elektroniki siedzi, odkąd nauczył się czytać. Ogrywa większość gatunków, ale najbardziej docenia strategie ekonomiczne. Spędził także setki godzin w wielu cRPG-ach od Gothica po Skyrima. Nie przekonał się do japońskich jrpg-ów. W recenzowaniu sprzętów kształci się od studiów, ale jego głównym zainteresowaniem są peryferia komputerowe oraz gogle VR. Swoje szlify dziennikarskie nabywał w Ostatniej Tawernie, gdzie odpowiadał za sekcję technologiczną. Współtworzył także takie portale jak Popbookownik, Gra Pod Pada czy ISBtech, gdzie zajmował się relacjami z wydarzeń technologicznych. W końcu trafił do Webedia Poland, gdzie zasilił szeregi redakcji Futurebeat.pl. Prywatnie wielki fanatyk dinozaurów, o których może debatować godzinami. Poważnie, zagadanie Mateusza o tematy mezozoiczne powoduje, że dyskusja będzie się dłużyć niczym 65 mln lat.