Nem a korábbi DLSS-funkciókat váltja le
A DLSS 5 lényege nem az, hogy több pixelt vagy több képkockát állítson elő a megszokott értelemben. Az Nvidia szerint a technológia a renderelési lánc egy új eleme: a játék először elkészíti a képkockát, majd a DLSS 5 ezt a képet és a hozzá tartozó adatokat használja fel.
Ez fontos különbség, mert a DLSS eddigi legismertebb részei más feladatokra szolgálnak. A Super Resolution felskáláz, a Frame Generation képkockákat generál, a Ray Reconstruction pedig a sugárkövetéses képalkotás bizonyos részein segít. A DLSS 5 ezzel szemben az Nvidia leírása alapján már a kész kép megjelenésébe nyúl bele.
A Pixel Space Diffusion Transformer alakítja a kész képet
Az Nvidia a DLSS 5 központi elemét Pixel Space Diffusion Transformer néven írja le. A modell a renderelt képből többek között színinformációt és mozgásvektorokat kap, majd ezek alapján képes módosítani, hogyan jelenjen meg a világítás, az anyagfelület vagy a finom részletesség.
A vállalat szerint a rendszer nem úgy működik, mint egy hagyományos képgenerátor, amely ugyanabból a bemenetből eltérő képeket is előállíthat. Játékoknál ez különösen problémás lenne, hiszen egy karakter arcának, ruhájának vagy sziluettjének képkockáról képkockára következetesnek kell maradnia.
Az Nvidia ezért determinisztikusnak és időben konzisztensnek írja le a DLSS 5 működését. Ez azt jelenti, hogy a cél a kiszámítható eredmény és az, hogy a részletek mozgás közben se essenek szét. Ezt azonban egyelőre főként az Nvidia saját ismertetése alapján lehet így leírni; a különböző játékokban, motorokban és grafikai stílusokban mutatott valódi viselkedéshez még független tesztekre lesz szükség.
A 3D-Guided Neural Rendering nem azt jelenti, hogy minden képkockánál a teljes 3D-világot olvassa
A DLSS 5 kapcsán az Nvidia a 3D-Guided Neural Rendering kifejezést használja. A megnevezés könnyen félreérthető, mert nem arról van szó, hogy a modell minden egyes képkocka megjelenítésekor a teljes 3D-jelenet geometriáját elemzi.
A leírás szerint a különbség inkább a betanításnál jelentkezik. Az Nvidia a modell tanítása során többféle 3D-s jelenetadatot használ, például alapszínt, normáladatokat és mozgásvektorokat. A modell közben objektumok, anyagok, fényirányok, fényintenzitás, valamint a kameranézet, perspektíva és kompozíció megőrzését is tanulja.
A cél az, hogy a modell a végső, kétdimenziós játékkép alapján is jobban értse, mit lát. Másképp kell kezelnie például a bőrt, a fémet, a textilt vagy a műanyagot. Az Nvidia szerint a DLSS 5 olyan részletekre is hatással lehet, mint az ambient occlusion, a kontaktárnyékok, a tükröződések vagy a subsurface scattering.
A fejlesztők több szabályozási lehetőséget kapnak
Az első DLSS 5-bemutatók után az egyik nagy kérdés az volt, mennyire tudják majd a fejlesztők kordában tartani a neurális modell hatását. Az Nvidia mostani leírása alapján több kontroll is rendelkezésre áll.
A fejlesztők különböző modellváltozatokat használhatnak, emellett két fontos csúszka is megjelenik:
- a Structure Intensity a finomabb szerkezeti részletek erősségét befolyásolja;
- a Tone Intensity a fények és színek szélesebb körű módosítását szabályozza.
A hatás maszkolható is. Ez azt jelenti, hogy a fejlesztő meghatározhatja, a DLSS 5 a kép mely részeire hasson, és melyeket hagyjon érintetlenül. Az Nvidia kézi maszkolást és automatikus, objektumfelismerésen alapuló megoldást is említ. A vezérlés globálisan és egyes objektumokra is alkalmazható.
Ez nem azt jelenti, hogy a fejlesztő minden egyes pixel végső kinézetét kézzel szabályozza. Inkább arról van szó, hogy kiválaszthatja a modellt, beállíthatja a hatás erősségét, és megadhatja, hol érvényesüljön. Ez különösen fontos lehet akkor, ha egy játék szándékosan stilizált látványvilággal dolgozik, vagy ha egy karakter kinézetének pontos megőrzése kiemelt szempont.
Az NBA 2K27 az első hivatalos DLSS 5-játék
Az első hivatalosan bejelentett DLSS 5-támogatott cím az NBA 2K27, amely a héten jelenik meg. Az Nvidia GeForce RTX 50-es sorozatú PC-ket, megfelelő laptopokat és a GeForce Now-t említi a támogatott környezetek között.
Ez azért fontos, mert a technológia valódi megítéléséhez nem elég néhány válogatott összehasonlító kép. Egy teljes játékban derülhet ki, mennyire marad stabil a látvány hosszabb jeleneteken, sok képkockán, eltérő kameraállásoknál és gyors mozgás közben.
A teljesítményköltség még nem látszik tisztán
Az Nvidia szerint a DLSS 5 elég gyors ahhoz, hogy 4K-ban, valós időben működjön neurális renderelési rétegként. A vállalat ugyanakkor olyan példát is közöl, ahol az NBA 2K27 4K-ban 370 FPS-t ér el GeForce RTX 5090-en, de ez a mérés egyszerre használ DLSS 5-öt, Ray Tracinget, Performance módú Super Resolutiont és Multi Frame Generation 6X-et.
Emiatt ebből nem derül ki tisztán, mennyibe kerül önmagában a DLSS 5 neurális modell futtatása. A jelenlegi anyagban nincs olyan egyszerű összevetés, ahol csak a DLSS 5 lenne ki- és bekapcsolva.
A forrás alapján az is látszik, hogy a modell teljesítménye néhány hónap alatt jelentősen javult, de abszolút renderelési idők nélkül még nehéz megítélni, mekkora terhelést jelent majd kész játékokban. Az különösen fontos lesz, hogy a Super Resolution és a Frame Generation mennyire tudja elfedni vagy ellensúlyozni a DLSS 5 számítási költségét.
A nagy újdonság az, hogy a modell már a látvány értelmezésébe is beleszól
A DLSS 5 azért kelt nagyobb figyelmet, mint egy újabb felskálázási algoritmus, mert nemcsak a felbontásról vagy a képkockaszámról szól. A technológia az Nvidia leírása szerint értelmezi a kész játékképet, majd módosíthatja annak egyes részeit.
Ez lehet hasznos eszköz a fejlesztőknek, ha valóban jól irányítható, kiszámítható és elfogadható teljesítményköltséggel működik. Ugyanakkor kockázatot is jelenthet, ha a modell túl erősen rányomja saját vizuális bélyegét a játékokra, vagy ha a kívánt művészi stílust túlzottan átalakítja.
A DLSS 5-ről ezért jelenleg érdemes óvatosan beszélni. Az Nvidia részletesebben elmagyarázta, mit szeretne elérni a technológiával, és azt is, milyen eszközöket kapnak a fejlesztők a hatás szabályozására. A döntő kérdésekre viszont a kész játékokban végzett független vizsgálatok adhatnak választ: mennyire jó a képminőség, mennyire stabil a látvány, és mekkora teljesítményárat kell fizetni ezért a neurális renderelési rétegért.