NVIDIA的DLSS或深度学习超级抽样，通过显着提高性能并提高NVIDIA图形卡的寿命来彻底改变PC游戏。自2019年推出以来，DLSS通过各种更新进化，影响了不同RTX图形卡世代的功能和有效性。本指南将深入研究DLSS，其操作方式，其版本之间的区别以及为什么与您相关的区别 - 即使您当前不使用NVIDIA图形卡。
Matthew S. Smith的其他贡献。
什么是DLSS？
NVIDIA DLSS或深度学习超级采样，是一项专有技术，旨在提高游戏性能和图像质量。 “超级抽样”方面是指智能地提高高档游戏的能力。 NVIDIA的神经网络促进了此过程，该过程接受了广泛的游戏数据培训，与手动在游戏中设定更高的分辨率相比，更高的分辨率渲染效果最小。
DLSS扩展了仅仅是升级，现在涵盖了DLSS射线重建等功能，该功能使用AI来改善照明和阴影质量； DLSS框架的生成和多框架生成，它们采用AI插入其他帧以使游戏更顺畅；和DLAA（深度学习抗缩影），它使用基于AI的抗氧化剂提高了本机分辨率的图像质量。
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DLSS支持的游戏中，您会发现诸如超级性能，性能，平衡和质量模式之类的选项。选择像Cyberpunk 2077一样以4K分辨率的质量模式导致1440p的渲染，而DLSS将其提高到4K，从而达到了较高的初始分辨率和AI-AI-ASSS辅助上升的帧率。
至关重要的是要注意，DLSS的神经渲染与诸如Checkerboard渲染之类的传统方法显着不同。 DLSS可以增强在本地分辨率上看不到的细节，并保留其他升级技术中丢失的细节。但是，它可能会引入“冒泡”阴影或闪烁的线条等文物，尽管在DLSS 4中，这些伪影已大大减少。
世代飞跃：DLSS 3到DLSS 4
NVIDIA借助RTX 50系列，引入了DLSS 4，该DLSS 4显着升级了AI模型，从而提高了其质量和功能。 DLSS 3（包括带有框架生成的DLSS 3.5）使用了卷积神经网络（CNN）。该模型根据空间关系和关键对象分析了场景，适用于图像分析任务。
DLSS 4转向变压器模型，称为TNN，该模型可以处理两倍的参数，从而提供更深入的场景分析。该模型更复杂地解释输入，捕获远程模式，并提高所有DLSS功能中帧预测和处理的准确性。
TNN模型可显着改善DLSS超级采样和DLSS射线重建，从而保留更精美的详细信息，以示视视觉效果。它还增强了框架的生成功能，DLSS 4的多帧生成能够每个渲染框架最多插入四个人造框架，从而大大提高帧速率。 NVIDIA的Reflex 2.0有助于减轻潜在的输入滞后问题，从而确保响应能力的游戏玩法。
虽然DLSS 4提供了高级功能，例如RTX 50系列的多帧发电，但较早的RTX卡的用户可以通过NVIDIA应用程序访问变压器模型的好处，该应用程序还支持DLSS Ultra性能模式和DLAA。
为什么DLSS对游戏至关重要？
DLSS是PC游戏中的一项关键技术，使具有中端或低端NVIDIA图形卡的用户可以访问更高的图形设置和分辨率。它通过允许用户通过调整后的设置或性能模式保持可播放的帧速率来延长GPU的寿命，从而使其成为预算意识游戏玩家的宝贵功能。
DLSS的影响范围超出了NVIDIA，启发了像AMD一样，具有FidelityFX超级分辨率（FSR）和XE Super Sampling（XESS）的竞争对手。尽管NVIDIA已设置了DLSS的高标准，尤其是在DLSS 4的高级功能的情况下，这些替代方案可提供类似的高尺度和框架生成优势，尽管NVIDIA的机器学习仍然是领先的。
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NVIDIA具有显着的优势。尽管AMD和Intel的解决方案提供了竞争性的升级和框架的生成，但NVIDIA的DLSS通常会提供更清晰，更一致的视觉效果，而文物较少。
值得一提的是，与AMD FSR不同，NVIDIA DLSS独有的NVIDIA图形卡，并且需要游戏开发人员的实现。尽管DLSS支持已大大增长，包括许多流行的游戏，但在所有游戏中并不普遍可用。
结论
NVIDIA DLSS继续发展为游戏中的一种变革性技术。它的持续改进和NVIDIA对其发展的承诺确保它仍然是增强游戏体验和延长GPU生活的强大工具。尽管NVIDIA DLSS领先，但AMD和Intel的替代方案提供了竞争功能，这对于游戏玩家在选择图形解决方案时要考虑他们的特定需求和游戏至关重要。
