DLSS, skrót od Deep Learning Super Sampling to narzędzie Nvidii, które wymaga karty graficznej Nvidia z serii 20 – lub nowszej – z rdzeniami tensorowymi. DLSS ma na celu zwiększenie wydajności, uruchamiając grę w niższej rozdzielczości niż normalnie, a następnie używając sieć neuronowa, aby ponownie zwiększyć rozdzielczość za pomocą rdzeni tensorowych, które w innym przypadku nie są używane w renderowaniu proces.
Architektura GPU
Przeznaczony jest głównie do renderowania grafiki do celów takich jak gry wideo, jednak procesor GPU ma dodatkowe funkcje dla kart graficznych z serii 20. Dwie główne dodatkowe funkcje to rdzenie RT, które są używane do ray tracingu, oraz rdzenie tensor, które są przeznaczone do wykonywania zadań uczenia maszynowego.
DLSS
Wraz z pierwotną implementacją DLSS, programiści musieli wyraźnie włączyć obsługę DLSS w swojej grze. Dodatkowo Nvidia musiała trenować swoją sieć neuronową dla każdej gry za pomocą superkomputera. Proces ten obejmował kilka obrazów o niższej rozdzielczości, a następnie porównywał je z pojedynczą „idealną klatką” wygenerowaną za pomocą tradycyjnych metod supersamplingu. Superkomputer następnie wytrenował sieć neuronową w celu przekształcenia obrazów o niższej rozdzielczości w celu dopasowania do większej idealnej klatki. Po zakończeniu przetwarzania, programowanie sieci neuronowych zostało uwzględnione w kolejnym sterowniku graficznym. Ten proces szkoleniowy musiał być uruchamiany dla każdej nowej gry, a projekt był zrównoważony tylko ze względu na małą liczbę gier wdrażających DLSS.
DLSS 2.0
DLSS 2.0 poprawiło ten proces, usuwając wymóg szkolenia sieci neuronowej dla każdej gry. Dodano również trzy poziomy DLSS, wydajność, zrównoważenie i jakość. Te trzy tryby zostały zaprojektowane tak, aby umożliwić użytkownikowi wybór, jaki wzrost wydajności chce osiągnąć i jak duży jest graficzny hit, który chce za to przyjąć. Ten projekt dawał użytkownikowi znacznie większy wybór w porównaniu z pojedynczym poziomem oryginalnej implementacji DLSS, który użytkownicy często zgłaszali jako poświęcający zbyt dużą jakość.