DLSS, forkortelse for Deep Learning Super Sampling er et Nvidia-verktøy som krever et Nvidia 20-serien – eller nyere – grafikkort som har tensorkjerner. DLSS er designet for å øke ytelsen ved å kjøre spillet med en lavere oppløsning enn normalt, og deretter bruke en nevrale nettverk for å øke oppløsningen igjen ved å bruke tensorkjerner som ellers er ubrukt i gjengivelsen prosess.
GPU-arkitektur
Er først og fremst designet for å gjengi grafikk for formål som videospill, men det er ekstra funksjoner i GPU-prosessoren for 20-seriens grafikkort. De to viktigste ekstrafunksjonene er RT-kjernene, som brukes til strålesporing, og tensorkjernene, som er designet for å utføre maskinlæringsoppgaver.
DLSS
Med den opprinnelige implementeringen av DLSS, måtte utviklere eksplisitt aktivere støtte for DLSS i spillet deres. I tillegg trengte Nvidia å trene sitt nevrale nettverk for hvert spill ved å bruke en superdatamaskin. Denne prosessen tok et antall bilder med lavere oppløsning, og sammenlignet dem deretter med en enkelt "perfekt ramme" generert gjennom tradisjonelle supersamplingmetoder. Superdatamaskinen trente deretter det nevrale nettverket til å transformere bildene med lavere oppløsning for å matche den større perfekte rammen. Når behandlingen var ferdig, ble programmeringen av det nevrale nettverket inkludert i neste grafikkdriver. Denne treningsprosessen måtte kjøres for hvert nytt spill, et design som bare var bærekraftig på grunn av det lave antallet spill som implementerte DLSS.
DLSS 2.0
DLSS 2.0 forbedret prosessen ved å fjerne kravet om at det nevrale nettverket må trenes for hvert spill. Den la også til tre nivåer av DLSS, ytelse, balansert og kvalitet. Disse tre modusene ble designet for å gi brukeren mulighet til å velge hvor mye ytelsesløft de ville ha og hvor mye grafisk treff de var villige til å ta for det. Denne designen ga brukeren mye flere valgmuligheter sammenlignet med enkeltnivået til den originale DLSS-implementeringen, som brukere ofte rapporterte som ofre for mye kvalitet.