惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

博客园_首页
Spread Privacy
Spread Privacy
D
Docker
Stack Overflow Blog
Stack Overflow Blog
Google DeepMind News
Google DeepMind News
F
Fortinet All Blogs
F
Full Disclosure
美团技术团队
Y
Y Combinator Blog
N
Netflix TechBlog - Medium
Security Latest
Security Latest
C
Check Point Blog
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
罗磊的独立博客
A
Arctic Wolf
S
Schneier on Security
T
Threatpost
C
CERT Recently Published Vulnerability Notes
L
LangChain Blog
博客园 - 叶小钗
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
博客园 - 聂微东
T
The Exploit Database - CXSecurity.com
W
WeLiveSecurity
Engineering at Meta
Engineering at Meta
C
Cybersecurity and Infrastructure Security Agency CISA
GbyAI
GbyAI
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
H
Heimdal Security Blog
L
LINUX DO - 热门话题
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
O
OpenAI News
G
GRAHAM CLULEY
M
MIT News - Artificial intelligence
S
Security @ Cisco Blogs
博客园 - 司徒正美
N
News and Events Feed by Topic
Microsoft Azure Blog
Microsoft Azure Blog
Cisco Talos Blog
Cisco Talos Blog
P
Palo Alto Networks Blog
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
H
Hackread – Cybersecurity News, Data Breaches, AI and More
Schneier on Security
Schneier on Security
D
Darknet – Hacking Tools, Hacker News & Cyber Security
月光博客
月光博客
The Last Watchdog
The Last Watchdog
Apple Machine Learning Research
Apple Machine Learning Research
Microsoft Security Blog
Microsoft Security Blog
C
Cisco Blogs
雷峰网
雷峰网

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
DLSS 5: будущее игровой индустрии или тупик?
lordebian (F · 2026-04-24 · via Все публикации подряд на Хабре

Время на прочтение7 мин

Охват и читатели906

Аналитика

Споры вокруг технологии, которую NVIDIA представила 16 марта 2026 года на конференции GTC, не утихают. На первый взгляд, происходит настоящая революция: новый уровень графики без кратного роста нагрузки на железо.

Вот только DLSS 5 уже не просто достраивает пиксели для более высокого FPS, как это делали прошлые технологии. Разберемся, как это работает, почему вызвало столько споров и чего ждать дальше.

Как работали предыдущие версии DLSS

Обычно чем выше качество графики в игре и разрешение экрана, тем больше нагрузка на железо. Другими словами, это всегда баланс между качеством изображения и скоростью (FPS). Например, если выставить максимальные настройки графики на 4К-мониторе, стабильного количества кадров, как правило, добиться не получится. 

В 2018 году NVIDIA представила технологию DLSS (Deep Learning Super Sampling), которая стала ответом на эту проблему. Она дает высокое качество картинки (хотя идут споры по поводу «мыльности»), а FPS не только не падает, но и повышается. Порой в разы.  

Как это работает? Если кратко, игра рендерится в более низком разрешении, нагрузка на GPU существенно снижается. Нейросеть делает апскейл: «дорисовывает» недостающие пиксели до нужного разрешения, основываясь на предобученной модели.   

В графических процессорах за это отвечают отдельные вычислительные блоки — тензорные ядра. DLSS реализована в линейке видеокарт серии RTX, с поддержкой трассировки лучей. 

Изображение DLSS версии 2.0

Изображение DLSS версии 2.0

Разница в FPS для RDR2

Разница в FPS для RDR2

За следующие 7 лет технология DLSS развивалась поступательно: каждая новая версия улучшала качество изображения и расширяла способы повышения FPS — но при этом сохраняла общий принцип работы через апскейлинг:

  • Версия 2 — более качественный апскейлинг с меньшим количеством артефактов.

  • Версия 3 и 3.5 — добавление Frame Generation: технология начала генерировать промежуточные кадры между уже отрендеренными, за счёт чего FPS вырос ещё сильнее. Параллельно улучшилась работа с трассировкой лучей.

  • DLSS 4 и 4.5 — мультикадровая генерация и переход на архитектуру трансформеров: модель стала анализировать сразу несколько кадров и лучше учитывать движение и детали сцены, что повысило стабильность и точность результата.

Все эти изменения оставались внутри одной логики: игра по-прежнему рендерит сцену сама, а DLSS лишь улучшает уже готовое изображение и оптимизирует его вывод.

DLSS сейчас поддерживается более чем в 175 играх и стал привычной опцией в настройках графики.

Есть ли другие алгоритмы, похожие на DLSS

DLSS — не единственная технология улучшения изображения и/или производительности. Например, есть еще следующие:

DLDSR (Deep Learning Dynamic Super Resolution). Работает наоборот: рендерит изображение в более высоком разрешении (например, 4K на 1080p мониторе) с последующим уменьшением до родного разрешения экрана. Это улучшает сглаживание и детализацию, но требует высокой производительности видеокарты.

Слева — настройка графики в режиме DLDSR, справа — без нее

Слева — настройка графики в режиме DLDSR, справа — без нее

DLAA (Deep Learning Anti-Aliasing). Технология вообще не меняет разрешение, а только сглаживает линии за счет обученной нейронной модели. Прежде всего, убирает проблему «пиксельных лесенок», при этом снижая нагрузку на видеокарту.  

Слева — традиционный метод temporal anti-aliasing (TAA), справа — основанный на ИИ-алгоритмах

Слева — традиционный метод temporal anti-aliasing (TAA), справа — основанный на ИИ-алгоритмах

FSR (FidelityFX Super Resolution). Технология апскейла, разработанная AMD. При работе в связке с программой Lossless Scaling можно применять в любых играх и на различных видеокартах. Начиная с версии 4.0 также использует ИИ-алгоритмы обработки изображения, как и DLSS. 

Сравнение картинки без алгоритма FSR и с ним

Сравнение картинки без алгоритма FSR и с ним

Разумеется, есть и другие алгоритмы. Например, на DTF есть хорошее сравнение на примере игры TESO. 

Но все эти технологии остаются развитием уже существующего подхода — в отличие от DLSS 5, где меняется сам принцип работы.

В чем революционность DLSS 5

DLSS 5 — это полноценная нейронная модель для рендеринга, которая анализирует не просто пиксели, а саму сцену и предметы в кадре. 

Например, если речь идет об игровом персонаже, распознается отдельно кожа, волосы, глаза, форма лица и материалы. Система определяет, что можно улучшить на всех уровнях: достроить морщины, подчеркнуть разрез глаз, переделать ворс на одежде, чтобы получить фотореалистичное изображение. 

Дополнительно оценивается расположение источников освещения и векторы движения — куда в следующем кадре сместится объект и как будет взаимодействовать со светом? Как будет выглядеть тень на поверхности? При этом DLSS 5 будет работать в связке с технологией трассировкой лучей, а не заменять ее. 

Другими словами, используя изначальную геометрию, нейросетевая модель может достроить изображение так, как «сочтет нужным». Главный вопрос — насколько вольно она будет это делать?

Результат активации DLSS 5 в игре Starfield

Результат активации DLSS 5 в игре Starfield

Руководство NVIDIA уверяет, что «разработчики будут иметь строгий контроль над процессом рендеринга: управлять глубиной влияния, цветом, текстурами и остальным».  

Но в индустрии есть и полярные мнения:

«Это похоже на неудачную попытку реализма, — говорит разработчик с ником SolidPLasma. — Подход, который, на мой взгляд, является тупиком. Пытаясь сделать персонажей более человечными, он лишает их оригинальности и сглаживает характерные черты.»

Какие вопросы появились уже сейчас

В многочисленных публикациях по поводу DLSS 5 чаще всего фигурируют две иллюстрации с персонажем Грейс Эшкрофт из Resident Evil Requiem. 

С одной стороны, очевидно — персонаж выглядит реалистичнее. У кожи появилась выраженная текстура, на лице — мешки под глазами от усталости, потертости на куртке. Казалось бы, что не так? Но давайте посмотрим, что сразу же вызвало жаркие споры после презентации NVIDIA.

Проблема 1. Другой художественный образ

По сюжету игры, Грейс Эшкрофт — молодой аналитик ФБР, возраст около 25 лет. Картинка слева, лично для меня, хорошо соответствует образу: юная девушка, спокойный взгляд «с поволокой». Хотя безусловно и заметно, что это скриншот из игры.

Этот образ — не случайность. Над ним работают художники, дизайнеры и сценаристы: продумывают внешность, мимику, детали, чтобы персонаж соответствовал истории и атмосфере игры. В этом смысле результат работы DLSS 5 выглядит как подгонка под усреднённые «стандарты красоты», которая игнорирует исходный художественный замысел.

На картинке же справа — женщина постарше, и создаётся ощущение, что передо мной уже другой персонаж. Почему так произошло? ИИ радикально изменил лицо:

  • другая форма губ и разрез глаз;

  • появился выраженный макияж;

  • скулы стали более острыми;

  • спинка носа стала тоньше. 

Формально общая геометрия угадывается, но с изначальным художественным замыслом нет ничего общего. Словно я вижу перед собой результат наложения бьюти-фильтров в соцсети, но с установкой добавить немного реализма для студийной фотографии.

Проблема 2. Консистентность

Модель работает в реальном времени и каждый кадр достраивает отдельно. Это означает, что один и тот же персонаж в разных ракурсах может выглядеть немного по-разному: меняются черты лица, детали текстур, форма элементов.

По сути, модель может «додумывать» то, чего изначально нет в сцене, и делать это непоследовательно от кадра к кадру. В результате возникает риск, что внешний вид персонажа будет плавать — особенно в динамике и при смене освещения.

Хотя Дженсен Хуанг утверждает, что технология учитывает геометрию сцены и должна сохранять целостность изображения, на практике остаются сомнения в её стабильности в текущем виде.

Кадр с DLSS из той же игры. В глаза сразу бросается другая форма подбородка Грейс 

Кадр с DLSS из той же игры. В глаза сразу бросается другая форма подбородка Грейс 

Проблема 3. Презентация технологии

У многих отторжение вызвали еще и некоторые моменты, связанные с подачей DLSS 5.

Во-первых, при демонстрации задействовали два компьютера с топовыми видеокартами RTX 5090. В текущем виде это делает технологию недоступной для большинства пользователей: подобную конфигурацию сложно представить вне демо-стендов. При этом не исключено, что со временем требования снизятся и DLSS 5 адаптируют под более массовое железо — но на момент презентации это скорее технология уровня «для избранных».

Во-вторых, как позже выяснилось, художники CAPCOM (разработчика Resident Evil) не участвовали в адаптации этой технологии для своей игры и не были заранее уведомлены о её использовании в демонстрации, что также вызвало вопросы к процессу её презентации.

В-третьих, в день презентации своё мнение опубликовала Digital Foundry — профильное медиа, которое специализируется на разборе графики и технологий в играх и считается авторитетным источником в этой сфере. В их первом материале DLSS 5 оценили преимущественно положительно.

Однако позже стало ясно, что обзор опирался на ограниченное количество данных. После волны критики в комментариях, где авторов обвинили в однобокой подаче и даже возможной аффилированности с NVIDIA, Digital Foundry уже на следующий день выпустили более сдержанный и детализированный разбор.

Однако было уже сложно остановить поднявшуюся волну хейта и появление многочисленных мемов. 

Что ждет технологию в будущем

Пока DLSS 5 выглядит как спорная и во многом сырая технология. С одной стороны это — серьёзный шаг в сторону нейросетевого рендеринга, с другой — множество вопросов к стабильности, контролю и сохранению художественного замысла. До релиза, запланированного на осень 2026 года, у NVIDIA ещё есть время доработать подход и ответить на критику.

Отдельный вопрос — как технология повлияет на саму индустрию. История уже показывает, что появление DLSS позволило разработчикам меньше фокусироваться на оптимизации: часть задач просто перекладывается на апскейлинг. В случае с DLSS 5 ставки ещё выше — теперь речь идёт не только о производительности, но и о внешнем виде сцены. Если нейросеть способна «достраивать» изображение, у студий появляется соблазн упростить работу с артами и делегировать часть художественных решений модели.

В этом сценарии риск очевиден: вместо усиления визуального стиля можно получить его размывание и усреднение, особенно если контроль со стороны разработчиков окажется недостаточным. И это уже вопрос не только технологии, но и того, как её будут использовать.

Итог здесь пока открыт. DLSS 5 может стать следующим этапом развития графики или источником новых ограничений и компромиссов. Всё будет зависеть от того, насколько управляемой и предсказуемой окажется эта модель на практике.


НЛО прилетело и оставило здесь промокод для читателей нашего блога:

-15% на заказ любого VDS (кроме тарифа Прогрев) — HABRFIRSTVDS