Gracias al aprendizaje profundo continuo en la nube, después de un tiempo, la velocidad de fotogramas del juego también irá aumentando progresivamente con la actualización del algoritmo. 
DLSS 2.0 ofrece tres modos diferentes de calidad de imagen: modo de calidad, modo equilibrado y modo de rendimiento. 
Pueden controlar la resolución de renderizado interna del juego, donde el modo de rendimiento puede alcanzar hasta 4 veces la resolución máxima. Es decir, en juegos compatibles con DLSS 2.0, se elige una resolución 4K, pero la tarjeta gráfica renderiza a 1080p y luego la convierte a 4K mediante el algoritmo de supermuestreo, logrando así una salida 4K sin afectar la calidad de la imagen. De hecho, Nvidia afirma que "la calidad de imagen optimizada por DLSS 2.0 es superior a la calidad nativa anterior". Por lo tanto, la velocidad de fotogramas puede incrementarse significativamente en calidad 4K. 
La mayoría de los juegos actuales no se muestran directamente en pantalla tras el renderizado, sino que requieren una serie de procesos posteriores. Por ejemplo, se utilizan funciones de suavizado de bordes, como el suavizado de bordes por tiempo (TAA) y el suavizado de bordes adaptativo rápido (FXAA). Sin embargo, estas funciones de suavizado de bordes y otras optimizaciones de imagen presentan problemas, como desenfoque o procesamiento incorrecto de elementos gráficos. 
Para este tipo de problema, es imposible depender únicamente de algoritmos para resolverlo. Esto se debe a que el algoritmo no puede distinguir qué elementos de la imagen son cuáles. Sin embargo, para la IA, esta es una aplicación muy útil. Tras decenas o cientos de miles de sesiones de entrenamiento con la IA en el ordenador, esta puede identificar los diferentes elementos de la imagen y complementarlos automáticamente para producir resultados gráficos de alta calidad. 
Este es el principio básico de funcionamiento de DLSS. Según datos de NVIDIA, primero se recopila la imagen con la calidad de imagen perfecta del juego, utilizando un suavizado de bordes de 64x a pantalla completa como imagen de referencia. A continuación, se obtiene la imagen original mediante renderizado normal, se entrena a DLSS para que iguale la calidad de imagen perfecta, se le pide a DLSS que genere una salida para cada entrada, se mide la diferencia entre estas salidas y la calidad de imagen perfecta, y se ajustan los pesos de la cuadrícula en función de dicha diferencia. En este punto, DLSS cuenta con un modelo estable para optimizar la imagen para una aplicación determinada. 
Compartir:
¿Qué es el trazado de rayos?
Perspectiva DP 2.0