DLSS：改变游戏的技术用于增强游戏

NVIDIA的DLSS或深度学习超级抽样彻底改变了PC游戏。这项技术大大提高了性能和图像质量，延长了NVIDIA图形卡的寿命 - 但只要游戏支持它，就会不断增长。

自2019年首次亮相以来，DLSS经历了大量更新，影响了其功能，有效性和区分RTX卡世代。本指南详细介绍了DLSS，其操作，变化和相关性，即使对于非NVIDIA用户也是如此。

*Matthew S. Smith的其他贡献。

了解DLSS

DLSS或深度学习超级抽样是NVIDIA的专有系统，用于增强游戏性能和视觉效果。 “超级抽样”是指它的智能提高到更高的分辨率，其性能最低，这要归功于受过广泛游戏玩法的神经网络。

DLSS最初专注于进行放大，现在结合了DLSS射线重建（AI-Enhanced Lighting and Shadows)，DLSS框架的生成和多帧生成（较高fps的AI插入框架)和DLAA（深度学习抗声明，结合，结合，结合，结合，结合，结合)与本机分辨率相比，使用AI改良的抗氧化剂提高图像质量质量增强。

>超级分辨率，尤其是与射线追踪至关重要，是其最突出的特征。 DLSS支持的游戏通常提供超级性能，性能，平衡和质量等模式。这些模式以较低的分辨率（实现较高的FPS)和使用机器学习的高档分辨率呈现。例如，在Cyber​​punk 2077中，以DLSS质量为4K，游戏以1440p的速度呈现，然后上升到4K，导致帧速率明显更高。

但是，DLSS的神经渲染与较旧方法等较旧的方法不同。它可以在没有DLSS的情况下以本地分辨率来添加细节，从而保留其他升级技术丢失的细节。潜在的伪像诸如“冒泡”阴影或闪烁线的潜在伪影得到了显着缓解，尤其是在DLSS 4中。

DLSS 3对DLSS 4：世代相传

RTX 50系列引入了DLSS 4，彻底改变了基础AI模型。要了解影响，让我们检查AI引擎。

DLSS 3（包括框架生成的DLSS 3.5)使用卷积神经网络（CNN)。 CNN经过大量视频游戏数据的培训，分析了场景，空间关系，边缘和其他元素。但是，机器学习的进步需要改变。

DLSS 4采用变压器网络（TNN)，更强大。分析参数两倍，TNNS提供了更深入的场景理解。这允许更复杂的解释，包括远程模式，从而导致了卓越的处理和改进的DLSS方面。

该新模型增强了DLSS超级采样和DLSS射线重建，可保留细节并减少工件。 DLSS 4的TNN也显着改善了框架的生成。虽然DLSS 3.5插入单帧，但DLSS 4每个渲染帧（DLSS多框架生成)产生四个人造框架，可能会加倍或三倍的帧速率。

NVIDIA反射2.0最小化输入延迟，以解决对滞后的担忧。虽然可能会发生较小的幽灵，尤其是在高框架生成设置下，但NVIDIA允许用户调整框架生成以匹配其显示器的刷新率，从而防止屏幕撕裂等问题。

DLSS多帧生成是RTX 50系列独有的，但是改进的TNN模型优势可用于DLSS Super分辨率，并且通过NVIDIA应用程序可以通过NVIDIA应用程序进行DLSS射线重建，该应用也可以在不受支出的情况下DLSS Ultra Performance和DLAA。

DLSS对游戏的意义

DLSS是PC游戏的变革性。对于中端或低端NVIDIA卡，它可以解锁更高的图形设置和决议。它还延长了GPU寿命，通过调整设置或性能模式来维持可播放的帧速率，从而使预算意识的游戏玩家受益。

NVIDIA开创了DLSS，AMD（FidelityFX超级分辨率 - FSR)和Intel（XE Super Sampling - XESS)提供了竞争技术。尽管NVIDIA更高的GPU定价是有效的批评，但在许多情况下，DLSS无疑提高了价格与性能比率。

DLSS vs. FSR与XESS

由于DLSS 4的出色图像质量和低延迟的多框架生成，DLSS超过了竞争对手。尽管AMD和Intel提供了升级和框架的生成，但NVIDIA的机器学习仍然很出色，可以提供更清晰，更一致的视觉效果，而伪影则更少。

但是，与AMD FSR不同，DLSS是NVIDIA卡独有的，并且需要开发人员实施。尽管支持扩大，但并不能普遍保证。

结论

NVIDIA DLSS是改变游戏规则的，不断改进。尽管并非完美无瑕，但它会大大增强游戏体验并延长GPU的寿命。但是，AMD和英特尔的产品提供了可行的替代方案。玩家应权衡GPU定价和功能与他们的游戏偏好，以确定最佳价值。