DLSS：增强游戏性能解释了

NVIDIA的DLSS或深度学习超级抽样是PC游戏领域的关键创新，革新性能并延长了图形卡的寿命。 DLSS于2019年推出，通过多次迭代发展，增强了其功能和NVIDIA RTX系列中的功能。本指南将深入研究DLSS，其机制，版本之间的差异以及为什么它具有重要意义 - 即使对于当前不使用NVIDIA图形卡的人也是如此。

Matthew S. Smith的其他贡献。

什么是DLSS？

NVIDIA DLSS（深度学习超级抽样）是一个专有系统，旨在提高游戏的性能和视觉质量。 “超级抽样”方面是指使用经过广泛游戏数据训练的神经网络将游戏提高到更高分辨率的能力。与手动在游戏中设置更高的分辨率相比，这种方法允许更高的分辨率具有最小的性能影响。

除了最初的放大功能外，DLSS现在还涵盖了增强图像质量的几个系统。其中包括DLSS射线重建，可利用AI改善照明和阴影质量； DLSS框架的生成和多框架生成，它们使用AI插入其他帧以增强FPS；和DLAA（深度学习反逐叠），可增强本地分辨率能力之外的图形。

超级分辨率是DLSS最知名的功能，与射线追踪搭配时特别有益。在受支持的游戏中，您可以通过各种模式启用DLS，例如超级性能，性能，平衡和质量。例如，在Cyber​​punk 2077中，选择DLSS质量模式的4K分辨率意味着该游戏以1440p的速度呈现，然后DLSS然后将其提高到4K，因此由于较低的渲染分辨率和AI-driven驱动的升级，导致帧速率明显更高。

DLSS的神经渲染与较旧技术（如棋盘渲染）不同，在其他升级方法中添加了本机分辨率不可见的详细信息，并保留了丢失的细节。但是，它可以引入“冒泡”阴影或闪烁的线条等文物，尽管DLSS 4大大减少了这些伪影。

世代飞跃：DLSS 3到DLSS 4

NVIDIA借助RTX 50系列，引入了DLSS 4，该DLSS 4大修了AI模型以提高质量和能力。 DLSS 3（包括带有框架生成的DLSS 3.5）使用了在庞大的视频游戏数据集中训练的卷积神经网络（CNN）。但是，DLSS 4转移到变压器模型或TNN，能够分析两倍的参数，以获得更深的场景理解。该模型更复杂地解释输入，包括远程模式，从而导致游戏玩法更加清晰和减少工件。

DLSS 4的TNN模型可显着改善超级采样和射线重建，保留更细节并减少视觉异常。此外，DLSS多框架生成现在可以为每个渲染框架生成四个人造框架，从而大大提高帧速率。为了减轻对输入滞后的担忧，NVIDIA整合了NVIDIA反射2.0，从而降低了延迟以保持响应能力。

虽然DLSS多帧生成是RTX 50系列的独有的，但所有RTX用户都可以通过NVIDIA应用程序获得新的变压器模型的图像质量好处，该应用程序还允许在不支持游戏中启用DLSS Ultra性能模式和DLAA。

为什么DLSS对游戏至关重要？

DLSS是用于PC游戏的游戏改变者，特别是对于具有中端或低性能NVIDIA图形卡的用户。它可以实现更高的图形设置和分辨率，从而延长了GPU的寿命。随着图形卡价格继续上涨，DLSS通过调整设置或性能模式提供了一种具有成本效益的方式来维持可播放的帧速率。

DLSS还激发了竞争，AMD和英特尔引入了自己的展望技术，AMD FidelityFX超级分辨率（FSR）和Intel XE Super Sampling（XESS）。尽管NVIDIA的DLSS领先于图像质量和框架的发电能力，但在许多游戏场景中，竞争降低了绩效障碍。

NVIDIA DLSS与AMD FSR与Intel Xess

NVIDIA的DLSS面临来自AMD的FidelityFX超级分辨率（FSR）和英特尔的XE Super Sampling（XESS）的竞争。 DLSS 4的出色图像质量和多帧的生成功能使其具有优势，尽管这三种技术都提供了智能的展望和框架生成。 DLSS通常提供更清晰，更一致的图像，而文物较少。

但是，与AMD FSR不同，DLSS是NVIDIA图形卡独有的，并且需要游戏开发人员的实现。尽管现在许多游戏都支持DLS，FSR和XESS，但可用性可能会有所不同，并且没有DLSS的默认启用选项。

结论

Nvidia DLSS改变了游戏行业，不断改善，没有放慢速度的迹象。它可以显着增强游戏体验并延长GPU的寿命。尽管AMD和Intel推出了竞争技术，但选择合适的GPU涉及平衡成本，功能和游戏兼容性，以找到适合您的游戏需求的最佳价值。