在游戏图形技术领域，超分英伟达的辨率深度学习超级采样(DLSS)一直是晋升图像质量和帧率的重要工具
。最近发布的技术DLSS 4引入了全新的Transformer模型 ，这一升级不仅显著晋升了图像质量，革新还解决了以往卷积神经网络(CNN)设计中的画质合一些局限性 。本文将深入碰见DLSS 4的美结技术革新及其对游戏体验的具体影响，并通过《战锤40K：星际军人2》等游戏的超分实际对比展示其卓越表现。

DLSS 4的辨率核心升级：从CNN到Transformer

　　超分辨率增强

DLSS 4的一大核心升级便是超分辨率增强，模型从传统的技术CNN换成了更为先进的Transformer架构 。新的革新Transformer模型使得玩家在打开DLSS时能够得到更加清晰的游戏图像质量。例如，画质合在《战锤40K ：星际军人2》中 ，美结我们可以校验到DLSS 4性能模式下的超分截图仍然比DLSS 3质量模式下的截图更加清晰。这意味着DLSS 4性能模式可以让玩家兼顾游戏帧数和画质，辨率不再需要在二者之间做出妥协。技术

　　技术原理

新的Transformer模型大幅晋升了DLSS图像质量 。相较于之前的卷积神经网络(CNN)设计 ，它通过增补渲染帧的采样参数数量 ，为DLSS提供了更多信息 ，用于图像上采样。这反过来裁减了鬼影和视觉伪影 ，改善了运动分辨率，并且比以前更好地平滑了边缘 。此外 ，这个新模型还改善了附加的RTX技术效果
，例如光线重建(Ray Reconstruction) ，使光线追踪在细微物体上更加有效 ，裁减了视角伪影和噪点。

　　CNN vs Transformer ：技术对比

　　传统CNN模型的局限性

传统的CNN模型虽然在过去几年中得到了显著的进步，但在筹备繁杂场景和细节丰硕的图像时仍存在一些不足 。比如，它在筹备快速移动的物体时轻易裸露鬼影现象，同时在高分辨率下难以完全消除视觉伪影。这些尴尬限制了其在高端游戏中的应用效果。

　　Transformer模型的优势

相比之下
，Transformer模型凭借其强大的并行计算能力和全局感知能力，可以更有效地筹备繁杂的图像信息。它通过对更多采样参数的利用，提供了更精确的图像重建结果，从而在保持高帧率的同时实现了更高的图像质量。这种改进不仅让玩家能够在享受流畅游戏体验的同时得到更加逼真的视觉效果，也为开发者提供了更大的创作空间 。

　　《战锤40K：星际军人2》对比测试

为了直观展示DLSS 4的效果 ，我们以《战锤40K：星际军人2》为例铺开了对比测试。结果显示
，在DLSS 4性能模式下，即使是在4K分辨率下 ，游戏画面依然保持了极高的清晰度，甚至超过了DLSS 3的质量模式。这表明DLSS 4不仅晋升了帧率，还在图像质量上有了显著晋升。

　　其他游戏拥穿着情况

　　在RTX 5090上市当天 ，预计将有超过75款游戏拥穿着DLSS 4。这意味着玩家可以在多款热门游戏中享受到这项新技术带来的好处。无论是追求极致画质还是高帧率的玩家，都能找到适合自己的设置。

　　显存占用分析

　　根据测试数据 ，在原生2K画质下，显存占用为8.5GB;而在原生1080p画质下，显存占用为7.5GB。当使用DLSS 3品质模式与DLSS 4性能模式铺开对比时，前者在4K分辨率下需要更多的显存资源，而后者则能在较低显存占用的情况下提供相近甚至更好的图像质量。

　　不同模式下的表现

　　具体来校验 ，4K DLSS 3品质模式与4K DLSS 4性能模式相比，前者在原生2K画质下表现优异，但后者在保证图像清晰度的同时显著下滑了显存需求 。此外 ，4K DLSS 3品质模式与4K DLSS超性能模式之间的对比显示，后者能够在更低的分辨率(如原生720p)下实现接近前者的画质效果，但帧率更高。

　　未来展校验与用户期待

　　绵延优化与发展

　　值得一提的是 ，这只是新Transformer模型的第一代。英伟达花费了六年时间来优化其CNN模型 ，因此未来几年我们可以期待DLSS图像质量的绵延改进。所有RTX显卡用户(包括20系、30系、40系)都可以使用这一新功能，享受不断进化的游戏体验。