NVIDIA DLSS 2.0，我們嘗試了新版本的技術

連續發展的技術

立法法令2.0或深度學習超級抽樣2.0既可以通過反式和提高來效果，從而將對圖像的最高質量的搜索與比屏幕上顯示的分辨率更低的渲染效果相結合，而效果的提高源。在這裡，要替換舊的升級算法，人工智慧，由於GeForce RTX的張量核心的工作，能夠創建缺失的像素並增加細節。當然，基本理念與DLSS的第一個版本相同，但是這種演變使用新的AI模型和具有兩倍速度的NGX神經網絡採用了另一種方式，這要歸功於時間反饋，增加收集的數據的數量，同時在一系列幀上工作。因此，它產生的信息流比第一個DLSS更大，該信息旨在在單個框架上工作，從而確保了更精確的升級，從而獲得了四倍的基本分辨率的能力，我們會立即說，顯然降低模糊。除其他事項外，它還通過三種模式使我們對設置進行更大的控制權，這些模式與三種不同的基本決議有關，具體取決於我們想要的分辨率，通常通過措辭，平衡和質量來識別。

細節的大幅度增加

為了測試新的DLSS 2.0，我們將GeForce RTX 2080放在工作中控制，這個標題可以廣泛使用射線跟踪，既有Mechwarrior 5：僱傭軍充滿細節和顆粒的充滿了細節，可以詳細評估所有滴滴。但是，在這兩種情況下，我們都可以立即說，DLSS支持的第一個標題的模糊屏幕模糊，即使在1080p中，也可以為更生動的圖像留出空間，以至於幾乎所有可用的設置都非常定義控制著作。但是，要很好地看一下最明顯的輪廓，這表明了針對So的銳化，在某些情況下，他們最終會在模型和物體周圍產生一種光暈。此外，沒有一些小的不確定性，尤其是從決議低渲染效果，但是有了中等和最大設置，圖像的質量在1440p和4k中肯定很高。在大多數情況下，與使用MSAA過濾器相比，很難注意到差異。儘管性能提高，但通過攀登水平提高。

但是，讓我們從底部開始，以1080p的方式評估控制射線追踪最多可以在性能模式下設置DLSS。在這種情況下，由於一半的起始分辨率僅在540p停止時，NVIDIA技術的限制很明顯，但是考慮到我們正在談論有史以來最低的設置，我們無法抱怨整體質量，從67fps的過渡增強了整體質量由於人工智能，其重新創建的87fps的1080p原生。很明顯，這並不是先驗性能的跳躍，但是在較低的分辨率的情況下，CPU在框架計數中仍然具有重要的作用，當在過渡到平衡模式中時，這似乎很明顯幀率幾乎幾乎相同。

另一方面，圖像清楚地改善了，將我們帶到了一個世界上一些小不確定性的世界的世界，最終能夠遵守承諾，毫無疑問，還要歸功於補救措施的工作。實際上，開發商必須培訓NVIDIA技術，以便可以與標題充分發揮作用，並在最終結果中發揮重要作用。但是，鑑於在遊戲中似乎持續不斷的質量增長並支持DLSS 2.0，因此，毫無疑問，更高級的工具以及軟件房屋獲得的經驗無疑在進化中發揮了重要作用。

每秒射線跟踪，4K和60幀

提高DLSS 2.0的影響更加清晰，確保更高的性能和更明顯的幀率差異，具體取決於質量升級用過的。實際上，在性能模式下，我們談論的是95fps，對使用天然1440p獲得的49，而在平衡模式下，性能增益降低，​​幀率停在77fps處。但是，至少在某些情況下，在這裡的詳細信息中，細節的增加變得很明顯，在某些情況下，這在過渡到4K的情況下會突顯出來。在這種情況下，最低啟動分辨率為1080p，但足以推動框架從23到56fps。 150個百分點的躍點不可避免地通過轉向平衡的方法和質量而降低。除其他事項外，後者從平均23fps到41fps中的一個，並不能保護我們免受放緩的侵害，從而使我們無法達到Olympus Peak，即使是最強大的GPU消費者流通。但是，隨著較輕的設置，終點線仍然靠近一張卡，這也使我們可以使Machwarrior 5 Go：僱傭軍以71fps的速度為4K，這次是在質量模式下設定的立法法令2.0。必須說，在這種情況下，較低模式的性能增益很小，但是圖像的質量仍然很高，以證明從版本1.9到2.0的過渡中進行的步驟的根本變化。

當然，在“銳化”效果的情況下，您仍然需要一些完成，我們可能談論的是仍在樂隊中的技術，旨在用於更大的事情，但是最終實現了第一個目標。這個問題比其他任何事情都涉及支持目前，沃爾芬斯坦（Wolfenstein）：Youngblood，Mechwarrior 5：僱傭軍和控制，Minecraft RTX和Am In Evil是唯一的未來前景。但是，我們希望獲得的質量，創建新的共享IA模型以及虛幻引擎中的技術集成能夠推動在最壞情況下可以增強GeForce RTX的整體陣容的東西，從而使可以將射線跟踪和4K在標題中組合為控件。