Según aseguran ahora en Techpowerup, una fuente anónima les ha enviado una captura donde se ve lo que parecen ser los archivos de código fuente e interfaces del sistema DLSS 2.2 de NVIDIA (Deep Learning Supersampling). En la captura se pueden ver archivos .cpp y archivos.h correspondientes a los códigos fuente en lenguaje C++ con distintas implementaciones y módulos que forman DLSS.

AMD comparte detalles sobre FidelityFX Super Resolution (FSR), la tecnología que permite conseguir más frames sin necesitar circuitería específica como Nvidia para ello. Es una tecnología similar al DLSS, pero hay algunas diferencias clave. FSR es una tecnología de escalado de imágenes, dependiendo del juego puede otorgar un rendimiento hasta tres veces mayor, con cuatro modos de calidad predefinidos. La clave es que es una tecnología abierta e independiente, pudiéndose usar en tarjetas más antiguas e incluso de la competencia.

El motor Unity 2021.2 ha recibido una importante actualización, que añade la tecnología DLSS al High-Definition Render Pipeline (HDRP) del motor Unity. La tecnología de reescalado DLSS ayuda a mejorar el rendimiento de los juegos renderizándolos a una resolución menor y reescalandolos luego, un proceso que utiliza las tecnologías implementadas en las tarjetas gráficas RTX.

Hay cosas que hay que hacer por la ciencia, como por ejemplo usar el nuevo modo Ultra Performance de la tecnología DLSS de Nvidia para ver qué sucede al combinarlo con resoluciones bajas. ¿Habéis visto cómo luce Death Stranding a 240p con DLSS subiendo la resolución hasta los 720p? Parece magia.

A mediados del año 2016 NVIDIA anunciaba sus GeForce GTX 1080 basadas en la arquitectura PASCAL, unas gráficas a las que siguieron multitud de modelos para cubrir toda la gama dentro del catálogo de la compañía, con modelos que iban desde las más modestas GTX 1050 hasta la poderosa GTX 1080 Ti , además de todo el catálogo de versiones de portátil, unas generación donde nadie había imaginado ni de lejos de la tecnología NVIDIA RTX y su Raytracing, o la aplicación de Deep Learning a GPUs domésticas.