英偉達否認 DLSS 5 讀取 3D 引擎資料

Post LinkedIn

🇨🇳閱讀原文： cnBeta (Full RSS)

#ai-upscaling #graphics-renderingdlss-5nvidia dlss-5

💡英偉達澄清 DLSS 5 輸入 – AI 圖形開發者驗證無 3D 洩漏至關重要（28字元）

⚡ 30-Second TL;DR

有什麼變化

DLSS 5 遭批評為低品質 AI 渲染，類似換臉。

為什麼重要

提升 DLSS 5 運作透明度，回應爭議。安撫遊戲開發者對隱私與效能疑慮。可能影響英偉達 AI 圖形技術採用率。

下一步行動

在最新 Nvidia Game Ready 驅動中啟用 DLSS 5，並在 Unreal Engine 5 中測試幀輸入。

誰應關注：Developers & AI Engineers

關鍵要點

•DLSS 5 遭批評為低品質 AI 渲染，類似換臉。
•輸入僅限遊戲場景 2D 渲染幀與運動向量。
•不讀取 3D 引擎資料，英偉達專家澄清。
•修正先前行銷中關於源 3D 內容的描述。

🧠 深度解析

AI-generated analysis for this event.

🔑 增強重點摘要

•DLSS 5 的爭議核心在於其引入了新的『神經紋理重建』技術，該技術在處理高動態場景時，因過度依賴時序重投影（Temporal Reprojection）而產生了類似 AI 換臉的偽影（Artifacts）。
•英偉達此次澄清旨在平息開發者社群對於『DLSS 5 會直接存取遊戲引擎原始幾何數據』的隱私與效能疑慮，強調其仍維持封閉的黑盒渲染管線。
•此次行銷文案的修正，反映了英偉達在推廣『AI 驅動渲染』時，面臨技術術語過度包裝與實際渲染管線限制之間的溝通落差。

📊 競品分析▸ Show

特性	NVIDIA DLSS 5	AMD FSR 4	Intel XeSS 2
核心技術	神經紋理重建 (專用 Tensor Core)	AI 空間/時序升頻 (通用計算)	AI 增強升頻 (XMX/DP4a)
輸入數據	2D 幀 + 運動向量	2D 幀 + 運動向量	2D 幀 + 運動向量
硬體限制	僅限 GeForce RTX 系列	開放架構 (跨平台)	開放架構 (跨平台)
效能基準	極高 (專用硬體加速)	中等 (軟體優化為主)	中高 (硬體/軟體混合)

🛠️ 技術深入

• DLSS 5 採用了基於時序的神經網路模型，專注於從低解析度輸入中重建高頻細節。 • 該模型運作於 NVIDIA 的 Tensor Core 上，利用運動向量（Motion Vectors）進行像素對齊，而非直接讀取 3D 引擎的頂點或網格數據。 • 針對『AI 換臉』批評，技術分析指出這是由於模型在處理遮擋區域（Occlusion）時，對歷史幀的錯誤權重分配導致的『鬼影』現象。