NVIDIA DLSS 5: el salto al IA Neural Rendering ya no solo reconstruye, ahora también crea

Introducción a DLSS

DLSS responde a las siglas en inglés de Deep Learning Super Sampling y vino de la mano de la segunda generación de gráficas RTX con unidades Tensor Core, aunque sería un error pensar que solo estas unidades de proceso neuronal de la GPU son las únicas a cargo de dar vida al DLSS.

Estos algoritmos parten de la base de generar imágenes de mayor resolución a partir de cálculos reales de la GPU mediante el uso de algoritmos que, además, han sido entrenados en superordenadores de NVIDIA. El objetivo es generar más rendimiento sin pérdida de calidad, pero ciertamente esto ha evolucionado de tal forma que ya no solo se busca rendimiento generado, sino que permite acceder a calidad de imagen para la que la tarjeta, por técnicas clásicas, sería incapaz de producir a tasas de FPS que consideremos aceptables hoy en día.

DLSS se ha convertido en uno de los pilares que sustentan a NVIDIA como líder de rendimiento y calidad de imagen en hardware de vídeo para PC y, desde la RTX 50, también en su pilar fundamental. La gráfica local se ha convertido en un mero traductor de la tecnología DLSS, con mayor o menor agilidad en pantalla dependiendo del hardware local.

Cuanto más potente sea la GPU, sobre todo a nivel de proceso neural, mejor es el rendimiento local. Ya sabíamos que las RTX 50 son motores de IA locales, aplicadas de forma diversa, pero también a juegos gracias a DLSS y mediante sus diferentes versiones, desde la 4 con la que aparecieron en el mercado hasta la 5 que se presenta hoy.

La evolución histórica de DLSS

Antes de centrarnos en el análisis de las prestaciones de la versión que nos ocupa, la que se presenta hoy y que podéis descargar ya para vuestras gráficas RTX 50, es bueno que demos un repaso rápido a los diferentes hitos de esta tecnología que apareció ya en el lejano 2018, de la mano de las RTX 20, una generación de NVIDIA de la que guardo gratos recuerdos.

DLSS 1.0, 2018, GeForce RTX 20 con arquitectura Turing

NVIDIA presenta DLSS junto a las primeras GeForce RTX basadas en Turing. La idea de partida es renderizar internamente a una resolución inferior y apoyarse en una red neuronal ejecutada en los Tensor Cores para reconstruir una imagen de mayor resolución. En esta primera versión el sistema se entrenaba de forma específica para cada juego mediante imágenes de referencia de muy alta calidad (4K y después 8K), algo que en su momento introducía grandes mejoras de rendimiento, pero también pérdida de calidad de imagen. Durante estas primeras generaciones, este efecto secundario fue siempre una batalla por ganar. La mejora de rendimiento es del 40 hasta el 70 % dependiendo del juego.

DLSS 1.9, 2019, GeForce RTX 20 con arquitectura Turing

Esta versión evolucionada, también presentada durante la era RTX 20, cambia el planteamiento para que la red neuronal pueda ejecutarse con apoyo de los CUDA Cores, usando los shaders de la GPU, en lugar de depender exclusivamente de los Tensor Cores. Se utilizó en algunos títulos como Control, el original de hace unos años, y funcionó más como un banco de pruebas donde NVIDIA fundamentó las siguientes generaciones, en las que los Tensor Core siguen siendo importantes, pero no los únicos en intervenir en el algoritmo. DLSS 2.0 trajo otra forma de trabajo. En esta generación no encontraremos mejoras de rendimiento con respecto a la anterior.

DLSS 2.0, 2020, GeForce RTX 20 y GeForce RTX 30 con arquitecturas Turing y Ampere

NVIDIA rediseña DLSS de arriba abajo y consigue una tecnología mucho más generalizada, dejando atrás la necesidad de entrenar un modelo distinto para cada juego. La red neuronal aprovecha ahora información temporal, combinando el frame actual con frames anteriores, vectores de movimiento y datos de profundidad para reconstruir una imagen de mayor resolución. El salto de calidad respecto a la primera versión es más que evidente y es un punto de inflexión en la tecnología, ya que NVIDIA consigue mejorar el rendimiento sin pérdida realmente apreciable de calidad de imagen. Aunque nace durante la generación RTX 20, es con Ampere y las RTX 30 cuando dispone de bastante más capacidad de cálculo de IA para sacar todo el partido. En esta generación encontramos una mejora del 30-50 % en modo calidad y de hasta el 75 % en sus modos de menos resolución y más rendimiento.

DLSS 2.x, entre 2020 y 2022, GeForce RTX 20 y GeForce RTX 30 con arquitecturas Turing y Ampere

Las sucesivas versiones DLSS 2.x van puliendo el sistema sin cambiar su funcionamiento de base. Mejoran el ghosting, la estabilidad temporal, la vegetación, las partículas, las transparencias y los elementos en movimiento. NVIDIA se dedica a mejorar la calidad de elementos muy llamativos en pantalla y, en buena medida, pone las bases para algunas de las mejoras más importantes de los últimos años.

Los Tensor Cores de Turing y, sobre todo, los de tercera generación de Ampere aportan la capacidad necesaria para ejecutar estas redes con eficiencia. Las GPUs de NVIDIA empiezan a marcar un modelo de implementación donde DLSS es capital para las aspiraciones de sus GPUs. Ya no es una tecnología con la que jugamos a tener más FPS; es uno de los principales argumentos de venta de las GeForce RTX 30. En esta generación no encontraremos avances de rendimiento, pero sí mucho trabajo de afinado de calidad de imagen.

DLSS 3, 2022, GeForce RTX 40 con arquitectura Ada Lovelace

NVIDIA introduce “Frame Generation”, y aquí empieza la gran mejora de rendimiento y también las grandes polémicas sobre si ahora trabaja más el software que el hardware para generar imagen en pantalla y, con ello, también algunos de los efectos secundarios, como la latencia, que NVIDIA ha tenido que ir corrigiendo con las siguientes evoluciones.

Esta tecnología, además de reconstruir resolución —imágenes de más resolución a partir de renders de resolución más baja—, permite que la IA sea capaz de generar fotogramas completos que la GPU no ha renderizado de forma directa. Para lograrlo se combinan los Tensor Cores de cuarta generación, el Optical Flow Accelerator, los vectores de movimiento y datos propios del motor gráfico.

Entre dos frames reales puede insertarse otro generado por IA, lo que aumenta notablemente los FPS en pantalla. NVIDIA añade también Reflex para compensar la latencia asociada a este proceso. Frame Generation queda como una característica exclusiva de las RTX 40 en adelante, mientras que la Super Resolution de DLSS 3 sigue siendo compatible con generaciones RTX anteriores. FG produce hasta un 100 % de rendimiento; aquí comienzan los datos realmente impresionantes de mejora de rendimiento.

DLSS 3.5, 2023, GeForce RTX 20, GeForce RTX 30, GeForce RTX 40 y posteriores

Llega Ray Reconstruction, una red neuronal pensada para sustituir o complementar los correctores de ruido tradicionales que se usan en técnicas de ray tracing, que como sabemos tienen un impacto importante en el consumo de recursos de la tarjeta gráfica.

En lugar de limitarse a reconstruir resolución, la IA aprende a reconstruir mejor la información de iluminación que falta debido al número reducido de rayos calculados. El efecto beneficioso es más patente con Path Tracing, donde la imagen gana en estabilidad y detalle. Un dato importante es que Ray Reconstruction no se queda limitada a las RTX 40, ya que las funciones de DLSS 3.5 llegan también a las RTX 20 y a las RTX 30. Esta generación no aporta rendimiento, puesto que se mantiene en las técnicas FG de un solo frame adicional sobre los calculados realmente por la tarjeta.

DLSS 4, 2025, GeForce RTX 50 con arquitectura Blackwell

Con las RTX 50 llega otro cambio y de gran impacto, también otra vez seguido por la polémica. NVIDIA sustituye los modelos CNN que había usado hasta entonces en las principales funciones de DLSS por modelos de transformación. Este acercamiento es capaz de analizar relaciones más amplias entre distintas regiones de la imagen y entre múltiples frames.

Esto se traduce en más detalle, mejor estabilidad temporal de imagen y, en consecuencia, menos artefactos. Llega la tecnología MFG, “Multi Frame Generation”, capaz en esta versión de presentación, de la mano de las nuevas RTX 50, de generar hasta tres frames mediante IA por cada frame renderizado real, lo que conocemos como un 4x (4 por cada 1). Es el momento en el que DLSS deja de ser únicamente una tecnología de reconstrucción de imagen para convertirse en una auténtica plataforma de generación de imagen y frames mediante IA. Las RTX 50 se han diseñado para esto como principal consideración de su diseño. El rendimiento aumenta hasta un 300 % sobre el renderizado raster, un salto más que importante, y no solo sin pérdida de calidad de imagen, sino con mejoras importantes en juegos con técnicas avanzadas de ray tracing.

DLSS 4.5, 2026, GeForce RTX 50 para Multi Frame Generation, y GeForce RTX 20, GeForce RTX 30, GeForce RTX 40 y GeForce RTX 50 para Super Resolution y reconstrucción de rayos

NVIDIA da un paso más con una segunda generación de modelos de transformación, que mejora tanto la reconstrucción de imagen como las técnicas de “Ray Reconstruction”. En las RTX 50 se introduce Dynamic Multi Frame Generation, con un modo de hasta 6X, un 50 % más de frames, capaz de generar hasta cinco frames por cada frame renderizado, a lo que se suma, adicionalmente, que esta cifra pueda ir cambiando dinámicamente dependiendo del estado de la imagen, pudiendo pasar de 4x a 6x según las necesidades del momento.

La idea de fondo es aprovechar la capacidad de cálculo de IA de Blackwell para producir cada vez más información visual sin tener que calcularla íntegramente mediante la estructura de hardware gráfico tradicional. Las mejoras de Super Resolution, por su parte, también llegan a generaciones RTX anteriores.

Qué es y qué ofrece DLSS 5 3D-Guided Neural Rendering

NVIDIA lleva el concepto de DLSS hacia el Neural Rendering, un terreno en el que la IA deja de limitarse a reconstruir resolución, generar frames o eliminar ruido, y empieza a participar de forma directa en la creación de la apariencia final de la escena, incluyendo iluminación y materiales. Es un cambio conceptual respecto a todas las generaciones anteriores, porque el objetivo ya no es únicamente obtener una imagen equivalente a un renderizado tradicional con menos cálculos, sino usar modelos neuronales para generar parte de la información visual que antes tenía que calcular de forma explícita el motor gráfico. A fecha de septiembre de 2026, NVIDIA ya ha presentado DLSS 5, aunque su disponibilidad comercial está prevista para este otoño.

Desde el anuncio de esta tecnología hace algunos meses ha habido mucha polémica, sobre todo en lo referente a hasta dónde está la IA aplicada a juegos desvirtuando la creatividad artística del creador del contenido, del creador del juego.

Desde este punto de partida, NVIDIA ha dejado claro que sus modelos de IA son lo que son: modelos entrenados con imágenes reales desde los que la IA aprende cómo es la textura del pelo, los reflejos sobre el metal o el cristal, las imperfecciones de la piel de un rostro humano, así como la capacidad de identificar objetos y, por tanto, aplicar diferentes efectos dependiendo de qué se está mostrando en pantalla.

Lo que entiende NVIDIA que diferencia a su modelo es que es determinista y, por tanto, siempre está influenciado y siempre logrará el resultado en base al contenido generado por el artista, y además también propone las herramientas para que los desarrolladores elijan el impacto de los diferentes modelos neuronales que están a su disposición en DLSS 5 para potenciar la calidad de imagen de sus juegos. Como la base es el propio frame generado por el motor 3D del juego, el resultado siempre es predecible y estable.

Los modelos también dependen de la calidad de la imagen generada, así que tecnologías como ray tracing, reconstrucción de rayos, etc., generarán imágenes de más calidad una vez procesadas por el modelo de IA. El desarrollador también puede decidir qué elementos de la imagen reciben el tratamiento de la IA, como personajes, entornos, objetos concretos, etc.

El objetivo es aumentar el fotorrealismo con modelos locales entrenados con imágenes reales, pero sin que el desarrollador pierda el control o vea su visión artística alterada. El resultado es un primer paso para lograr imágenes generadas en tiempo real con calidad fotorrealista, pero, como afirma la propia marca, aún está en fase de mejora y optimización; es una tecnología en ciernes y no una solución definitiva.

Calidad de imagen comparativa

Nosotros nos vamos a ceñir a la oficialidad de DLSS 5 probando el impacto en el único juego que lo soporta oficialmente, a través de los drivers lanzados al efecto y que usan el “pipeline” diseñado por NVIDIA en sus drivers para jugadores. Es el camino que seguirán los desarrolladores que pronto empezarán a introducir nuevos juegos o modificaciones en sus juegos existentes para dar cobertura a esta tecnología, que además se combina con otras para las que muchos juegos ya están preparados.

El único juego con soporte a día de hoy, de lanzamiento de DLSS 5, es el nuevo NBA 2K27, que además no solo soporta esta nueva variante, sino también otras tecnologías asociadas como el MFG dinámico de hasta 6x, DSR, etc.

Lo que no podemos hacer en el juego, quizás más adelante o en otros títulos, es personalizar el nivel o dónde aplicar esta tecnología. Sí podemos afectar al resultado dependiendo del nivel de calidad que elijamos en la configuración del juego: cuanto más calidad del render, más impacto en la mejora de la imagen por IA de renderizado neuronal.

Nuestras pruebas están realizadas con una RTX 5080 y una RTX 5090, y como veis la calidad de imagen tiene un impacto más que notable, sobre todo en el tratamiento y realismo que aplica la IA a la piel, reflejos como el sudor, en la profundidad de campo y en los efectos de iluminación en un entorno, una cancha de baloncesto, donde los focos procuran no producir ninguna sombra.

Rendimiento comparativo

El modelo de IA se ejecuta de forma local y esto tiene un impacto importante en los tiempos de proceso de la GPU y, de hecho, es de las pocas veces que he visto que una RTX 5080 o RTX 5090 se sitúan de forma constante en su máxima capacidad de consumo, 360 y 570 W, respectivamente.

En números fáciles de entender, este proceso se come la mitad del rendimiento de la tarjeta, entre el 45-50 % de impacto en la capacidad de generar FPS. NVIDIA lo compensa con su potente sistema de generación de frames artificiales desde los reales calculados por la tarjeta. Esto hace que las tasas, al menos en este juego, se mantengan muy altas en resoluciones medias y altas.

También es verdad que las optimizaciones que ha realizado NVIDIA desde la presentación de esta tecnología hace meses hacen que los modelos ahora sean más llevaderos. Basta recordar que para la demostración NVIDIA usó dos RTX 5090 trabajando en paralelo. Prometen además seguir optimizando sus modelos para mejorar el rendimiento y la calidad; es el comienzo de una nueva tecnología que promete calidad fotorrealista, pero que la marca reconoce que está aún lejos de conseguir.

Test: NBA 2K27 — 3840x2160 (4K) con y sin NVIDIA DLSS 5 activado, Ray Tracing activado, calidad Ultra

Test: NBA 2K27 — 2560x1440 (2.5K) con y sin NVIDIA DLSS 5 activado, Ray Tracing activado, calidad Ultra

Test: NBA 2K27 — 1920x1080 (2K) con y sin NVIDIA DLSS 5 activado, Ray Tracing activado, calidad Ultra

Conclusión

Creo que toda tecnología siempre es bienvenida; cómo se aplique o cómo se use es donde podemos encontrar el conflicto, quizá incluso moral. Si el artista que diseña el juego deja en manos de la IA que su juego parezca más o menos real, es una decisión personal o corporativa, pero será una decisión como tal y no una imposición.

Abrirá ciertos debates, pero al final el usuario podrá decidir si lo aplica o no, y tampoco, como ha anunciado NVIDIA, dejará de lado otras tecnologías aplicadas que hemos explorado durante este resumen, como el DSR, el MFG o la reconstrucción de rayos. Al final será el desarrollador, y también el usuario, quien decidirá qué encaja mejor con su modelo creativo y comercial.

Quizá a ciertos grandes estudios los haga caer en la tentación de reducir costes, pero también permitirá a otros pequeños estudios independientes generar juegos con una calidad superior con una inversión mucho más controlada. Las tecnologías siempre son buenas, exploran nuevos caminos; es el resultado lo que las hace persistir y evolucionar o caer en el olvido.

Fin del Artículo. ¡Cuéntanos algo en los Comentarios!