Aufgrund des kontinuierlichen Deep Learning in der Cloud wird mit der Algorithmus-Aktualisierung nach einiger Zeit auch die Framerate des Spiels immer höher.
DLSS 2.0 bietet drei verschiedene Bildqualitätsmodi: Qualitätsmodus, ausgewogener Modus und Leistungsmodus.
Sie können die interne Rendering-Auflösung des Spiels steuern, wobei der Leistungsmodus eine bis zu 4-fache Superauflösung erreichen kann, d. h. in DLSS 2.0-fähigen Spielen wählen Sie eine 4K-Auflösung, aber die Grafikkarte rendert bei Bedarf mit 1080p Konvertieren Sie dann mithilfe des Super-Sampling-Algorithmus in eine 4K-Auflösung, um so eine 4K-Ausgabe zu erzielen und die Bildqualität nicht zu beeinträchtigen, auch wenn Nvidia sagt: „Die auf DLSS 2.0 abgestimmte Bildqualität ist feiner als die vorherige native Bildqualität.“ So kann die Bildrate in 4k-Qualität deutlich gesteigert werden.
Heutzutage werden die meisten Spiele nach dem Rendern nicht direkt auf dem Bildschirm ausgegeben, sondern erfordern eine Reihe von Nachbearbeitungen. Zum Beispiel Anti-Aliasing-Funktionen, einschließlich TAA-Zeit-Anti-Aliasing, schnelles adaptives FXAA-Anti-Aliasing usw. Es gibt jedoch Probleme mit diesen Anti-Aliasing- oder anderen Bildoptimierungsfunktionen, wie z. B. Unschärfe oder falsche Verarbeitung von Grafiken Elemente usw.
Bei dieser Art von Problem ist es unmöglich, sich bei der Lösung ausschließlich auf Algorithmen zu verlassen. Dies liegt daran, dass der Algorithmus nicht wissen kann, welche Dinge sich im Bild befinden. Für KI ist dies jedoch eine sehr gute Anwendung. Nach Zehn- oder Hunderttausenden Trainingssitzungen mit den KIs am Computer kann die KI die verschiedenen Bildelemente identifizieren und diese automatisch ergänzen, um qualitativ hochwertige Grafikergebnisse zu erzeugen.
Dies ist das Grundprinzip der Funktionsweise von DLSS. Den Daten von NVIDIA zufolge erfassen sie zunächst die perfekte Bildqualität des Spiels mit 64-fachem Vollbild-Anti-Aliasing als Referenzbild, erhalten dann das durch normales Rendern erhaltene Originalbild und trainieren dann DLSS, um die perfekte Bildqualität zu erreichen, fragen Sie DLSS Um für jede Eingabe eine Ausgabe zu erzeugen, messen Sie die Differenz zwischen diesen Ausgaben und der perfekten Bildqualität und passen Sie die Gittergewichte entsprechend der Differenz an. Zu diesem Zeitpunkt verfügt DLSS über ein stabiles Modell zur Optimierung des Bildes für eine bestimmte Anwendung.
