Deep learning super sampling

Cronologia de lançamentos

DLSS 1

A primeira versão do DLSS operava como um método de super-resolução predominantemente espacial estruturado em duas etapas baseadas em autoencoders convolucionais. A primeira etapa consistia em uma rede neural de aprimoramento que analisava o quadro atual e os vetores de movimento para executar realce de bordas e antisserrilhamento espacial. A segunda etapa realizava a elevação da resolução a partir de um único quadro bruto de baixa definição. Por utilizar apenas um quadro como referência, a rede precisava inferir grande volume de dados ausentes, o que podia gerar alucinações visuais sutis, como folhagens com estilos destoantes do material de origem.

O treinamento da rede era feito individualmente para cada jogo por meio da renderização de "quadros perfeitos" em superamostragem tradicional de 64 amostras por pixel em conjunto com os vetores de movimento correspondentes. O conjunto de dados abrangia variações de fases, horários, iluminação e configurações gráficas, sendo expandido por técnicas de aumento de dados (rotações, ruídos aleatórios e alterações de matiz) e processado no supercomputador Saturn V da Nvidia.

O DLSS 1 recebeu avaliações mistas em razão de artefatos visuais, perda de nitidez e instabilidades temporais em cenários dinâmicos, reflexo das limitações inerentes ao uso de apenas um quadro de entrada.

DLSS 2

O DLSS 2 adota a técnica de superamostragem com anti-aliasing temporal (TAAU), utilizando dados acumulados de quadros anteriores por meio de deslocamento subpixel (jittering) para reconstruir detalhes finos e eliminar serrilhados. As entradas processadas incluem: a imagem bruta em baixa resolução, os vetores de movimento, os buffers de profundidade (Z-buffering) e informações de exposição e luminância. Quando configurado para renderizar nativamente a 100% da resolução sem realizar o redimensionamento, o algoritmo opera exclusivamente como uma solução de antisserrilhamento de alta fidelidade, comercializada pela Nvidia como DLAA (Deep Learning Anti-Aliasing).

Diferentemente de soluções tradicionais de TAA que utilizam regras heurísticas manuais (como o neighborhood clamping) para atenuar problemas como fantasmas visuais (ghosting) e cintilações (flickering) — o que pode introduzir desfoque na imagem final —, o DLSS 2 emprega uma rede neural convolucional treinada para identificar e corrigir inconsistências temporais de forma preditiva. Isso permite reconstruir bordas e texturas com maior fidelidade do que o TAA convencional, por vezes superando a nitidez da resolução nativa, embora artefatos pontuais de descontinuidade temporal ainda possam ocorrer em situações específicas.

Como os padrões temporais se comportam de maneira semelhante na maioria dos ambientes gráficos, a rede neural do DLSS 2 não exige retreinamento para novos jogos. O algoritmo proporciona retenção de detalhes sensivelmente superior ao DLSS 1, custo de processamento reduzido pela metade (~1–2 ms frente a ~2–4 ms do antecessor) e integração facilitada para desenvolvedores. Por se tratar de uma técnica de reconstrução temporal e não de um gerador procedural de textura, a qualidade visual final permanece associada à resolução dos ativos originais, razão pela qual a Nvidia recomenda o ajuste de viés do mip-map para manter a nitidez de superfícies detalhadas.

DLSS 3

O DLSS 3 agregou à super-resolução o recurso de Geração de Quadros (Frame Generation). A tecnologia analisa dois quadros consecutivos renderizados pelo motor gráfico em conjunto com dados de fluxo óptico e vetores de movimento para gerar e intercalar um quadro inteiramente sintetizado entre eles, dobrando a taxa de quadros percebida. O recurso baseia-se no acelerador de fluxo óptico (Optical Flow Accelerator - OFA) de nova geração integrado à microarquitetura Ada Lovelace das GPUs GeForce RTX série 40, exclusivo dessa geração e das posteriores.

DLSS 3.5

O DLSS 3.5 introduziu a Reconstrução de Raios (Ray Reconstruction), substituindo múltiplos algoritmos tradicionais de remoção de ruído por um único modelo de inteligência artificial unificado treinado com conjuntos de dados cinco vezes mais extensos que os do DLSS 3. O recurso está disponível para todas as placas de vídeo GeForce RTX e teve como foco principal títulos com traçado de caminhos (path tracing), como Cyberpunk 2077 (expansão Phantom Liberty), Portal with RTX e Alan Wake 2.

DLSS 4

A quarta geração do DLSS foi apresentada em conjunto com a família GeForce RTX Série 50. O módulo de super-resolução passou a adotar um modelo baseado na arquitetura de visão computacional Transformer, substituindo as redes neurais convolucionais (CNN) para reduzir o efeito fantasma e proporcionar maior estabilidade em cenas com movimento acelerado. A tecnologia expandiu a capacidade de interpolação por meio da Geração Múltipla de Quadros (Multi Frame Generation), permitindo a criação de múltiplos quadros gerados por IA para cada quadro renderizado nativamente nas placas RTX Série 50, enquanto a Série RTX 40 manteve a geração limitada a um quadro adicional por quadro real. Segundo dados da fabricante, o modelo de geração do DLSS 4 reduz a alocação de memória de vídeo em cerca de 30% em relação à iteração anterior.

Recursos	GeForce RTX Série 20	GeForce RTX Série 30	GeForce RTX Série 40	GeForce RTX Série 50
Modelo Transformer	Sim	Sim	Sim	Sim
Geração de Quadros 2×	Não	Não	Sim	Sim
Geração de Quadros 3–4×	Não	Não	Não	Sim

DLSS 4.5

O DLSS 4.5 adicionou a Geração Dinâmica de Múltiplos Quadros (capaz de gerar até 6× quadros de forma dinâmica nas GPUs RTX Série 50) e atualizou o modelo Transformer de super-resolução para uma segunda geração aprimorada, visando maior fidelidade temporal e atenuação de serrilhados residuais.

Em placas RTX Série 30 e anteriores, o algoritmo do DLSS 4.5 demanda maior carga computacional em decorrência da otimização das operações matemáticas em precisão FP8 implementada nas arquiteturas RTX 40 e 50.

DLSS 5

Anunciado no primeiro semestre de 2026, o DLSS 5 fundamenta-se em um modelo de renderização neural voltado ao aprimoramento dinâmico de sombreamento, iluminação global e texturas de superfície em tempo real em resoluções até 4K. O sistema emprega dados de cor e vetores de movimento para sintetizar propriedades físicas de materiais mantendo a coerência com a direção de arte do projeto original.

Antisserrilhamento

O DLSS incorpora seu próprio método de antisserrilhamento integrado. Em função do jogo e do perfil selecionado, o uso da tecnologia pode gerar qualidade de imagem comparável ou superior à renderização em resolução nativa com TAA tradicional. A tecnologia reconstrói pixels a partir de amostragens alternadas entre quadros adjacentes processadas pelos núcleos Tensor. A modalidade DLAA disponibiliza o mesmo algoritmo de reconstrução e suavização de bordas sem efetuar redução da escala de renderização interna.

Atualização manual do DLSS

Em sistemas compatíveis, usuários podem atualizar as bibliotecas dinâmicas (DLLs) do DLSS presentes nas pastas de instalação dos jogos para versões mais recentes. Ferramentas de código aberto, como o utilitário DLSS Swapper, automatizam a substituição desses arquivos nos títulos instalados. A substituição de arquivos DLL não adiciona suporte nativo a jogos que não o possuam de fábrica, embora modificações da comunidade (mods) possam habilitar recursos de geração de quadros em títulos compatíveis. A substituição de perfis de modelos também pode ser realizada diretamente por meio do aplicativo oficial Nvidia App.

Perfis de modelos DLSS no Nvidia App

O Nvidia App disponibiliza diferentes perfis internos que alteram a versão do modelo de inteligência artificial empregado na renderização:

Controvérsia do DLSS 5

Após sua demonstração pública na conferência GTC 2026, o DLSS 5 enfrentou fortes críticas de desenvolvedores e da comunidade de jogadores nas redes sociais. Críticos argumentaram que a reconstrução por renderização neural alterava elementos estilísticos e decisões artísticas concebidas pelos criadores dos jogos, com analistas comparando a geração sintética a distorções visuais de conteúdo automatizado.

A representação de feições e rostos humanos foi alvo de questionamentos particulares: o portal The Verge destacou demonstrações em EA Sports FC 26 nas quais as expressões faciais do atleta Virgil van Dijk sofreram deformações causadas pelo algoritmo generativo, comparando o resultado aos artefatos de interpolação excessiva presentes em televisores modernos. Publicações como IGN e Engadget classificaram a intervenção estética excessiva da inteligência artificial como um desvirtuamento da integridade visual original planejada pelos artistas de desenvolvimento.