En raison de l'apprentissage en profondeur continu dans le cloud, après un certain temps, la fréquence d'images du jeu augmentera également de plus en plus avec la mise à jour de l'algorithme.
DLSS 2.0 offre trois modes de qualité d'image différents : mode qualité, mode équilibré et mode performance.
Ils peuvent contrôler la résolution de rendu interne du jeu, où le mode de performance peut atteindre une super résolution jusqu'à 4x, c'est-à-dire que dans les jeux compatibles DLSS 2.0, vous choisissez une résolution 4k, mais la carte graphique rendra à la demande 1080p et puis convertissez en résolution 4k via l'algorithme de super échantillonnage, obtenant ainsi une sortie 4k et n'affectant pas la qualité de l'image, même comme le dit Nvidia, "la qualité d'image réglée DLSS 2.0 est plus fine que la qualité d'image native précédente". Ainsi, la fréquence d'images peut être considérablement augmentée en qualité 4k.
La plupart des jeux actuels ne sont pas affichés directement à l'écran après le rendu, mais nécessitent une série de post-traitements. Par exemple, les fonctionnalités d'anticrénelage, y compris l'anticrénelage temporel TAA, l'anticrénelage adaptatif rapide FXAA, etc. éléments, etc.
Pour ce type de problème, il est impossible de se fier uniquement aux algorithmes pour le résoudre. En effet, il est impossible pour l'algorithme de savoir quelles choses sont quoi dans l'image. Pour l'IA, cependant, c'est une très bonne application. Après des dizaines ou des centaines de milliers de sessions de formation avec les IA sur ordinateur, l'IA peut identifier les différents éléments de l'image et peut les compléter automatiquement pour produire des résultats graphiques de haute qualité.
C'est le principe de base du fonctionnement de DLSS. Selon les données de NVIDIA, ils collectent d'abord la qualité d'image parfaite du jeu avec un anti-aliasing plein écran 64x comme image de référence, puis obtiennent l'image originale obtenue par un rendu normal, puis entraînent DLSS pour correspondre à la qualité d'image parfaite, demandez à DLSS pour produire une sortie par chaque entrée, mesurez la différence entre ces sorties et la qualité d'image parfaite, et ajustez les poids de la grille en fonction de la différence. À ce stade, DLSS dispose d'un modèle stable pour optimiser l'image pour une application donnée.
