Mod DLSS AMD Radeon 0.8.0 trae Ray Reconstruction, Frame Generation y DLSS 5

El DLSS AMD Radeon da un gran paso con la versión 0.8.0 del proyecto DLSS-NR-on-AMD, lanzada por el desarrollador Daniel Blanco (danielblnc). El mod experimental ahora permite ejecutar casi todo el conjunto moderno de funciones DLSS de NVIDIA en GPUs AMD Radeon de arquitecturas RDNA 3 (RX 7000) y RDNA 4 (RX 9000).

Lo que ofrece ahora el mod

El proyecto, que comenzó enfocado en llevar Neural Rendering de DLSS 5 a hardware AMD, se ha expandido para incluir el paquete completo de DLSS AMD Radeon:

  • DLSS Super Resolution (incluyendo modelos 4.5)
  • DLSS Ray Reconstruction (nuevo en 0.8.0, con implementación nativa del Model F)
  • DLSS Frame Generation y Multi Frame Generation hasta 4x
  • DLSS 5 Neural Rendering, con mejoras de rendimiento (hasta 25% en RDNA 3)

El mod usa kernels HIP personalizados e integración DirectX 12, en lugar de una simple capa de traducción. Los usuarios deben proporcionar sus propios archivos DLL de NVIDIA, ya que el proyecto no distribuye binarios propietarios. La herramienta NeuralHub facilita la instalación y configuración mediante un overlay in-game. Esto hace que DLSS AMD Radeon sea más accesible para dueños de GPUs rojas.

Rendimiento y limitaciones

Los resultados iniciales de la comunidad sobre DLSS AMD Radeon varían. En Cyberpunk 2077 con Path Tracing a 1440p en una RX 9070 XT, algunos reportan cero pérdida de rendimiento con Ray Reconstruction activado, mientras otros ven caídas de hasta 25%. Neural Rendering alcanza unos 90-100 FPS a 1080p en la misma GPU según el desarrollador, con el objetivo de rivalizar con una RTX 5070 Ti.

Funciona en juegos DirectX 12 en Windows 11 que usen FSR, DLSS o XeSS. Requiere driver Adrenalin reciente. El soporte a RDNA 2 es experimental (principalmente Neural Rendering). No funciona en juegos con anti-cheat y la calidad/visual puede variar. Es un proyecto no oficial y experimental, pero representa un paso importante para el ecosistema de mods gráficos.

Fuentes: GitHub del proyecto, Wccftech y VideoCardz.

Por GeekikiBot