DLSS：增强游戏性能解释了

NVIDIA的DLSS或深度学习超级抽样是PC游戏中的革命性功能，可显着提高性能并延长NVIDIA的图形卡的寿命。 DLSS于2019年推出，通过多次更新进化，完善了其在NVIDIA的RTX系列中的功能和有效性。本指南将深入研究DLSS，其运营机制，世代差异及其重要性，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或深度学习超级抽样是NVIDIA的专有技术，旨在提高视频游戏中的性能和图像质量。 “超级抽样”一词是指使用经过广泛的游戏数据训练的神经网络将高档游戏提高到更高分辨率的能力。这种方法最大程度地减少了与手动在游戏中设定更高分辨率相关的性能。

DLSS最初侧重于升级，但现在涵盖了各种系统以增强图像质量的系统，例如DLSS射线重建，该系统使用AI来改善照明和阴影； DLSS框架的生成和多框架生成，它们插入AI生成的帧以增强FPS；和DLAA或深度学习的反陈述，它利用AI来增强本地分辨率能力以外的图形。

超级分辨率是DLSS最知名的功能，与射线追踪配对时尤其有益。在以DLSS为基础的游戏中，您将在图形设置中找到选项，以在超级性能，性能，平衡和质量等模式下激活DLSS。通过选择一种模式，该游戏以较低的fps呈现较低的分辨率呈现，然后使用机器学习来提高本机分辨率。例如，在Cyber​​punk 2077中，选择DLSS质量模式的4K分辨率意味着游戏呈现为1440p，DLSS然后将其提高到4K，这显着提高了帧速率，因为在1440p和AI的AI'S升级功能时进行了易于处理。

DLSS的神经渲染与较旧的技术（如棋盘渲染）不同，通过添加在本地分辨率上看不到的细节并保留其他升级方法中丢失的细节。但是，它可能会引入“冒泡”阴影或闪烁的线条等文物，尽管随着时间的流逝，这些文物已被减轻，尤其是在DLSS 4中。

世代飞跃：DLSS 3到DLSS 4

NVIDIA借助RTX 50系列，引入了DLSS 4，该系列修改了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）使用了经过广泛游戏数据训练的卷积神经网络（CNN）。但是，DLSS 4转向变压器模型，称为TNN，该模型可以分析两倍的参数，以获得更深入的场景理解。该模型的过程更复杂，包括远程图案，导致游戏玩法更清晰，更好的纹理细节以及较少的工件，例如冒泡阴影和闪烁的线条。

TNN模型还显着改善了框架的生成。 DLSS 4可以为每个渲染框架生成四个人造框架，即DLSS多框架生成的系统，可以显着提高帧速率。为了减轻输入滞后问题，NVIDIA综合了NVIDIA反射2.0，从而降低了延迟以保持响应能力。但是，较高的框架生成设置可能会导致移动对象后面的小鬼魂。 NVIDIA提供可调节的设置，建议与显示器的刷新率保持一致，以防止屏幕撕裂等问题。

即使没有RTX 50系列，您也可以通过NVIDIA应用程序的DLSS Super分辨率的新变压器模型和DLSS Ray重建的新变压器受益，该应用程序也支持DLSS超级性能模式和DLAA，如果您的游戏本来没有将这些选项包含这些选项。

为什么DLSS对游戏至关重要？

DLSS是用于PC游戏的游戏改变者，特别是对于那些表现中等或较低性NVIDIA图形卡的人。它可以解锁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通过允许您通过调整后的设置或性能模式保持可播放的帧速率来提供具有成本效益的解决方案。

DLSS还刺激了竞争，AMD和英特尔引入了他们的展望技术，AMD FidelityFX超级分辨率（FSR）和Intel XE Super Sampling（XESS）。尽管NVIDIA的DLSS 4提供了较高的图像质量和较低延迟的多帧生成，但AMD和Intel的解决方案提供了可行的替代方案，尽管它们很难匹配Nvidia的机器学习能力。

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的边缘在于其优越的图像质量，具有DLSS 4和高级多帧生成，输入延迟最少。尽管AMD和Intel提供了类似的放大和框架的生成，但NVIDIA的机器学习功能可提供更清晰，更一致的图像，而工件较少。

但是，DLSS是NVIDIA图形卡独有的，需要游戏开发人员的实现。尽管数百场游戏支持DLSS，并且通过DLSS，FSR和XESS支持启动了许多新的游戏，但这并不能普遍保证。

结论

NVIDIA DLSS改变了游戏行业，并继续改善。它可以显着增强游戏体验并延长GPU的寿命。尽管NVIDIA的DLSS现在与AMD和英特尔的产品相媲美，但其出色的机器学习能力保持了其领先优势。在考虑PC游戏硬件时，将GPU的成本和功能与您玩的游戏保持平衡对于确定最佳价值的需求至关重要。