Nvidia explica cómo funciona DLSS 5: le bastan un fotograma 2D y vectores de movimiento

Nvidia ha abierto un poco la caja negra de DLSS 5. Según Jacob Freeman, el sistema no recibe una escena 3D completa. Como entrada, le llegan un fotograma 2D normal, ya renderizado por el juego, y los vectores de movimiento de los objetos.

Qué recibe DLSS

La aclaración importa en todos los debates sobre cómo "dibuja" exactamente el escalado con IA los píxeles que faltan. Mucha gente imagina DLSS como un modelo que ve todo el mundo del juego casi como lo ve el motor. En la práctica, el esquema es mucho más compacto. El juego renderiza primero un fotograma a una resolución más baja y luego se lo pasa a DLSS junto con un mapa de movimiento que indica cómo se desplazan los objetos y las distintas zonas de la imagen de un fotograma a otro. Sobre esa base, la red neuronal reconstruye una imagen más detallada.

Este enfoque explica por qué la tecnología puede mejorar de forma notable la nitidez sin recalcular la escena a resolución nativa. El modelo no necesita reconstruir desde cero la geometría del mundo ni acceder a todos los datos internos del motor. Funciona como un sistema de reconstrucción: busca patrones, compara el fotograma actual con el movimiento de los elementos y predice cómo debe verse el resultado final a mayor resolución. Por eso DLSS sigue ligado no solo a la propia red neuronal, sino también a lo cuidadosamente que el juego prepara los datos de partida.

«DLSS 5 recibe como entrada un fotograma 2D y vectores de movimiento».

Para qué sirven los vectores

Los vectores de movimiento son la pieza clave de este esquema. Indican hacia dónde y a qué velocidad se mueven los objetos entre fotogramas contiguos. Sin ellos, la IA tendría que adivinar casi a ciegas dónde debe quedar la mano de un personaje, hacia dónde se ha desplazado una sombra o cómo continuar una línea fina en un objeto que se mueve rápido. Cuanto más precisos son estos datos, más estable se ve la imagen en movimiento, ya sea cuando el jugador gira la cámara, conduce a gran velocidad o participa en un tiroteo con muchos efectos en pantalla.

En la práctica, esto aporta varias ventajas notables:

• mayor nitidez en los detalles pequeños sin un renderizado completo a resolución nativa
• menos parpadeo en líneas finas, cables, hierba y objetos lejanos
• una imagen más estable en movimiento, y no solo en una captura estática
• una mejora de rendimiento, porque el juego no tiene que calcular cada píxel a la máxima calidad

De ahí se deduce también la dependencia inversa: si el juego genera mal los vectores de movimiento, el resultado final también se resiente. Por eso la calidad de DLSS no la determina un único modelo "mágico" de Nvidia, sino la combinación de algoritmo, motor e implementación concreta en cada juego.

Dónde están los límites del método

La explicación de Nvidia es útil también porque marca los límites de las expectativas. DLSS 5 no "conoce" la escena como la conoce el propio motor del juego. No recibe un modelo tridimensional del mundo ya hecho y en su totalidad, así que en cualquier situación compleja se apoya en información incompleta, aunque muy útil.

De ahí los artefactos típicos que conocen los usuarios de las tecnologías de reconstrucción: difuminado de elementos pequeños, estelas en los bordes con contraste o inestabilidad en fotogramas con movimiento muy complejo, transparencias y muchos efectos pequeños.

Aun así, conviene no confundir reconstrucción con dibujar al azar. El sentido de DLSS es justamente que el sistema se apoya en datos reales del juego y no se limita a "fantasear" sobre la imagen. Pero la explicación de Freeman muestra que incluso la IA más potente depende aquí de la calidad del fotograma original y de la telemetría auxiliar. En otras palabras, DLSS 5 no es un botón de "hacerlo bonito a partir de la nada", sino un compromiso avanzado entre rendimiento y calidad visual.

Qué significa

Para jugadores y desarrolladores, es una señal útil: la principal fuerza de DLSS 5 no está en acceder a una supuesta magia 3D oculta, sino en saber restaurar la imagen con la mayor eficacia posible a partir de un conjunto limitado de datos. Cuanto mejor prepare el juego el fotograma y los vectores de movimiento, más convincente será el resultado. Eso significa que la carrera por la calidad de los gráficos con IA depende cada vez más no solo del modelo de Nvidia, sino también de la disciplina de los propios estudios al integrar la tecnología.