Энтузиасты нашли способ снизить высокие затраты ресурсов при использовании функции нейронного рендеринга NVIDIA DLSS 5. Решение заключается в изменении очередности обработки данных: теперь нейронный рендеринг выполняется до процесса масштабирования изображения, а не после него. Модификация получила название Neural Upstream и была создана пользователем matiasLombo. Инструмент функционирует через DLSS5-Autopilot — специализированную утилиту, аналогичную DLSS 5 Swapper, которая позволяет активировать нейронные эффекты в играх, не имеющих официальной поддержки от NVIDIA.
Механизм оптимизации конвейера рендеринга
Согласно стандартной схеме NVIDIA, нейронный рендеринг запускается в самом конце цепочки обработки, воздействуя уже на готовый кадр в разрешении 4K. Именно из-за этого требования к вычислительной мощности существенно возрастают при работе в высоких разрешениях. С этой же проблемой моддеры сталкивались ранее, когда впервые пытались запустить нейронный рендеринг на графических процессорах серии RTX 40.
Разработчики Neural Upstream изменили подход, применяя нейронную обработку к исходному кадру в низком разрешении до того, как DLSS Super Resolution масштабирует его до целевого показателя. Аналогичный принцип уже реализован в пресетах качества и производительности для стандартного апскейлинга. Очевидно, что при разработке официального алгоритма NVIDIA отдала приоритет точности изображения. В результате текущий альтернативный метод может приводить к некоторому снижению визуального качества, усиливая уже существующие проблемы DLSS 5, связанные с эффектом «зловещей долины».
Результаты тестирования в играх
Первые испытания модификации были проведены на видеокарте NVIDIA RTX 4080 в игре Assassin’s Creed Shadows при разрешении 4K и профиле DLSS Performance. При использовании стандартного конвейера NVIDIA частота кадров составляла 31 FPS. После активации Neural Upstream показатель увеличился до 50 FPS. Для сравнения: без использования DLSS 5 в данной конфигурации игра демонстрирует 63 FPS.
Перспективы официального внедрения
На данный момент NVIDIA продолжает настройку DLSS 5 для видеокарт серии RTX 50, прежде чем расширять поддержку на более ранние модели графических адаптеров. Официальной информации о том, может ли подход Neural Upstream стать штатным пресетом, пока нет. Тем не менее, учитывая существенное влияние текущей реализации на частоту кадров, эксперты не исключают появления подобных оптимизаций в будущем. Сообщество моддеров продолжает активно экспериментировать с технологией DLSS 5 с момента её первоначальной утечки, несмотря на неоднозначное восприятие функции пользователями.
Технические нюансы и цена прогресса
Основная причина значительного падения производительности в оригинальной реализации NVIDIA кроется в месте «врезки» нейронного рендеринга в графический конвейер. Поскольку стандартный алгоритм обрабатывает финальный кадр в полном 4K, нагрузка на ресурсы GPU возрастает экспоненциально. Подход, предложенный автором Neural Upstream, кардинально меняет логику: обработка происходит на этапе низкого разрешения, аналогично тому, как работают классические пресеты Super Resolution (Performance и Quality). Именно этот перенос нагрузки на более ранний этап позволяет добиться столь заметного прироста кадров — с 31 до 50 FPS в Assassin’s Creed Shadows на RTX 4080.
Однако за этот прирост приходится платить. Выбор NVIDIA в пользу постобработки готового 4K-кадра был продиктован стремлением к максимальной визуальной верности. Перенос нейронного рендеринга «вверх по течению» (upstream) неизбежно приводит к потере детализации, что накладывается на уже имеющиеся проблемы DLSS 5, такие как артефакты и выраженный эффект «зловещей долины».
Будущее нейронного рендеринга
Несмотря на то, что технология DLSS 5 вызывает немало споров в сообществе, усилия энтузиастов по её адаптации и оптимизации впечатляют. На данный момент NVIDIA фокусируется на доработке функционала под предстоящую линейку RTX 50-й серии. О том, станет ли предложенная моддерами схема официальным пресетом для баланса между FPS и качеством, говорить пока рано. Тем не менее, учитывая, насколько тяжело текущая реализация «просаживает» частоту кадров в современных проектах, внедрение подобных оптимизаций на уровне драйверов выглядит логичным и востребованным шагом.
