Durante anos, o DLSS teve uma missão relativamente simples de explicar: renderizar menos pixels e usar inteligência artificial para reconstruir uma imagem de qualidade muito próxima — ou, em determinadas situações, superior — à resolução nativa.

Mas a evolução da tecnologia mudou completamente essa ideia.

O DLSS 4 já havia transformado a tecnologia em algo muito maior do que simples upscaling, combinando reconstrução de imagem, geração de quadros e modelos neurais cada vez mais sofisticados.

Com o DLSS 4.5, a NVIDIA ampliou essa estratégia.

E o DLSS 5 representa mais um passo nessa direção: a IA deixa de ser apenas uma ferramenta utilizada para reconstruir aquilo que a GPU já renderizou e passa a assumir um papel cada vez maior na produção da própria imagem final.

É uma mudança importante.

Porque existe uma diferença enorme entre dizer:

“A IA vai melhorar os pixels que a GPU produziu.”

e dizer:

“A IA vai ajudar a determinar como esses pixels devem existir.”

Do DLSS 1 ao DLSS 4: de upscaling para reconstrução neural

Quando o primeiro DLSS surgiu, a proposta era relativamente direta.

O jogo poderia renderizar internamente uma imagem em resolução inferior e o algoritmo neural da NVIDIA tentaria reconstruí-la em uma resolução maior.

Isso permitia aumentar o desempenho sem simplesmente utilizar um upscaler tradicional.

Mas havia limitações.

O sistema precisava lidar com informações incompletas: quando uma imagem é renderizada em resolução inferior, detalhes simplesmente não existem naquele quadro.

A solução foi utilizar informações temporais.

O DLSS passou a observar não apenas o quadro atual, mas também informações de quadros anteriores, vetores de movimento e outros dados fornecidos pelo motor gráfico.

Com isso, a reconstrução começou a ficar muito mais sofisticada.

DLSS 2: a grande virada

O DLSS 2 tornou essa abordagem muito mais prática.

Em vez de depender de modelos treinados individualmente para cada jogo, a NVIDIA passou a utilizar um modelo de IA mais generalizado.

A tecnologia começou a se comportar menos como um filtro específico para determinado título e mais como um sistema de reconstrução de imagem integrado ao pipeline gráfico.

O resultado foi um salto enorme na adoção do DLSS.

E, principalmente, ficou demonstrado que uma imagem renderizada internamente em resolução menor poderia apresentar uma qualidade surpreendentemente próxima da resolução nativa.

DLSS 3: a IA começou a fabricar quadros

Então veio o Frame Generation.

E aqui aconteceu uma mudança conceitual ainda maior.

Até então, a IA estava principalmente tentando descobrir:

“Como deveria ser este quadro?”

Com a geração de quadros, ela passou a responder:

“Como seria um quadro intermediário entre estes dois quadros?”

A GPU renderiza quadros reais.

A IA analisa informações como os quadros, vetores de movimento e dados do pipeline gráfico e gera um quadro intermediário.

Ou seja:

quadro real → quadro gerado por IA → quadro real → quadro gerado por IA

Isso aumenta a taxa de quadros apresentada ao jogador sem exigir que a GPU renderize cada um deles tradicionalmente.

Mas existe uma diferença fundamental:

Frame Generation aumenta a quantidade de quadros exibidos; não equivale a renderizar todos esses quadros de maneira convencional.

É justamente por isso que latência e responsividade continuam sendo questões importantes.

DLSS 3.5: a IA passou a reconstruir o Ray Tracing

Depois veio outro componente importante:

Ray Reconstruction.

O objetivo era substituir determinados denoisers tradicionais utilizados no Ray Tracing por um modelo neural.

Isso é particularmente interessante porque o Ray Tracing produz uma quantidade limitada de amostras por pixel em muitas situações.

O resultado bruto pode apresentar ruído.

Tradicionalmente, algoritmos especializados tentavam reconstruir uma imagem limpa a partir dessas amostras.

O Ray Reconstruction utiliza IA para realizar essa reconstrução.

Isso pode melhorar elementos como:

• reflexos;
• iluminação indireta;
• sombras;
• detalhes em superfícies;
• estabilidade temporal;
• qualidade geral da imagem com Ray Tracing.

A partir daqui, o DLSS já não era mais simplesmente um upscaler.

Era uma coleção de tecnologias neurais trabalhando em diferentes partes do processo de renderização.

DLSS 4: quando a IA começou a multiplicar os quadros

O DLSS 4 levou a ideia ainda mais longe com o Multi Frame Generation.

Em vez de simplesmente gerar um quadro intermediário entre dois quadros renderizados, a tecnologia passou a permitir a criação de múltiplos quadros adicionais para cada quadro tradicional renderizado.

Na prática, isso muda completamente a relação entre:

desempenho de renderização

e

quantidade de imagens apresentadas ao jogador.

É possível ter uma situação em que a GPU produz relativamente poucos quadros tradicionais, enquanto a IA preenche uma parcela significativa da sequência apresentada ao monitor.

E isso explica por que os números de FPS do DLSS 4 podem ser tão impressionantes.

Mas também explica por que FPS não deve ser analisado isoladamente.

Um jogo rodando a 200 FPS com grande participação de frames gerados não possui exatamente o mesmo comportamento de um jogo que renderiza 200 quadros reais por segundo.

E onde entra o DLSS 4.5?

O DLSS 4.5 representa a continuação dessa filosofia: mais modelos neurais, maior flexibilidade e mais qualidade de reconstrução, especialmente em cenários nos quais a imagem precisa permanecer estável durante movimentos rápidos, mudanças de iluminação e cenas extremamente complexas.

Uma das questões mais importantes nessa geração é que não existe simplesmente “mais IA = imagem melhor”.

Um modelo pode produzir uma imagem extremamente nítida, mas também introduzir:

• halos;
• excesso de nitidez;
• detalhes artificiais;
• instabilidade temporal;
• texturas que parecem mudar durante o movimento.

Por isso, a evolução do DLSS não consiste apenas em aumentar o tamanho dos modelos.

É necessário fazer a IA entender melhor o que está vendo e o que deve permanecer consistente entre os quadros.

E então chegamos ao DLSS 5

É aqui que a evolução fica realmente interessante.

A grande mudança conceitual do DLSS 5 é justamente a aproximação entre renderização tradicional e renderização neural.

Em um pipeline gráfico convencional, podemos simplificar o processo assim:

geometria → shaders → iluminação → texturas → Ray Tracing → imagem final

Em um pipeline cada vez mais neural, a IA começa a participar de várias dessas etapas.

Em vez de apenas reconstruir uma imagem já pronta, os modelos podem utilizar informações do jogo para inferir características visuais que não foram calculadas diretamente da mesma maneira que seriam em uma renderização tradicional.

É por isso que o DLSS 5 deve ser entendido menos como:

“um novo upscaler”

e mais como:

uma nova camada neural dentro do processo de renderização.

A diferença pode ser vista no rosto de Resident Evil Requiem

E é justamente aqui que a comparação que você separou fica interessante.

Nas imagens de Resident Evil Requiem, a diferença não está simplesmente na resolução.

Observe principalmente:

cabelo, pele, olhos, sombras e iluminação.

Na imagem superior, o rosto apresenta uma aparência mais suave e difusa.

Na inferior, determinados detalhes parecem muito mais definidos, especialmente ao redor dos olhos, cabelos e superfícies iluminadas.

Isso é exatamente o tipo de situação em que técnicas modernas de reconstrução neural podem fazer diferença.

Mas existe uma observação importante:

uma comparação de duas capturas não permite, sozinha, afirmar que toda a diferença visual é causada exclusivamente pelo DLSS 5.

Configurações diferentes de:

• iluminação;
• exposição;
• resolução interna;
• Ray Tracing;
• nitidez;
• HDR;
• qualidade das sombras;
• compressão do vídeo;

também podem alterar significativamente a aparência.

Portanto, a imagem é uma excelente demonstração visual, mas não deve ser utilizada como prova isolada de uma característica específica do algoritmo.

O segredo está nos pixels que não existem

Existe uma ideia fundamental para entender o DLSS.

Imagine que você esteja jogando em 4K.

Uma imagem 4K possui aproximadamente:

8,3 milhões de pixels.

Mas isso não significa necessariamente que a GPU tenha calculado todos esses 8,3 milhões de pixels individualmente na resolução final.

Com técnicas de reconstrução, a GPU pode renderizar internamente uma resolução menor e entregar ao sistema neural informações adicionais.

O desafio passa a ser:

como reconstruir os milhões de pixels que não foram calculados diretamente?

É aí que a IA entra.

Ela utiliza informações espaciais e temporais para estimar o que deveria estar presente.

E quanto melhor esse processo fica, menos evidente se torna a diferença entre:

“pixel calculado”

e

“pixel reconstruído”.

DLSS 4 vs. 4.5 vs. 5

Podemos resumir a evolução conceitualmente assim:

Essa tabela, porém, esconde uma coisa importante.

As versões não substituem necessariamente umas às outras.

O DLSS moderno é mais parecido com um conjunto de tecnologias.

Você pode ter diferentes componentes trabalhando simultaneamente:

Super Resolution + Ray Reconstruction + Frame Generation + Multi Frame Generation + outros recursos neurais.

Mas DLSS 5 realmente “cria gráficos”?

Aqui é necessário tomar cuidado com essa expressão.

Dizer que a NVIDIA simplesmente está fazendo a IA “inventar o jogo” seria exagerado.

O motor ainda precisa fornecer informações fundamentais.

A geometria continua existindo.

Os objetos continuam existindo.

Os materiais continuam existindo.

A posição da câmera continua existindo.

Os movimentos continuam sendo calculados.

A IA não está simplesmente recebendo uma tela preta e desenhando Resident Evil inteiro do zero.

O que muda é quanto da imagem final precisa ser calculado explicitamente e quanto pode ser reconstruído ou sintetizado a partir das informações disponíveis.

Essa distinção é fundamental.

O problema dos artefatos

Existe, porém, um preço para toda essa mágica.

Quanto maior a participação da IA na geração da imagem, maior a importância de evitar artefatos.

Um modelo neural pode errar.

Isso pode aparecer como:

• objetos que piscam;
• detalhes que desaparecem;
• cabelos instáveis;
• reflexos incorretos;
• partículas estranhas;
• ghosting;
• deformações temporárias;
• texturas excessivamente artificiais.

E esse é provavelmente um dos maiores desafios do futuro do DLSS.

Não basta produzir uma imagem bonita.

A imagem precisa ser temporalmente consistente.

Ela precisa continuar fazendo sentido:

quadro após quadro após quadro.

E o impacto no desempenho?

Aqui existe outra confusão comum.

DLSS não transforma uma GPU de determinada categoria em outra completamente diferente.

O que ele faz é reduzir o trabalho necessário para produzir a imagem final e/ou utilizar hardware e algoritmos especializados para sintetizar quadros adicionais.

Isso pode liberar recursos para efeitos mais pesados.

Por exemplo:

sem DLSS:

renderização pesada → poucos FPS

com Super Resolution:

renderização interna menor → reconstrução → mais FPS

com Frame Generation:

renderização → IA gera quadros adicionais → FPS exibido ainda maior

E com as gerações mais recentes:

renderização + reconstrução neural + geração de quadros + processamento neural

Tudo isso passa a funcionar como um único sistema.

O que muda para o jogador?

A maior consequência talvez não seja simplesmente alcançar 200 ou 300 FPS.

O verdadeiro objetivo é permitir que os desenvolvedores gastem esse orçamento computacional em coisas que antes seriam proibitivas.

Ray Tracing mais pesado.

Iluminação mais complexa.

Geometria mais detalhada.

Mundos maiores.

Simulações mais sofisticadas.

E, principalmente, imagens que seriam extremamente caras para serem renderizadas tradicionalmente.

É uma mudança de filosofia.

Durante décadas, a ideia foi:

“Quanto mais poderosa for a GPU, mais pixels ela consegue calcular.”

O futuro pode ser:

“Quanto mais poderosa for a GPU e sua capacidade neural, mais inteligente será a maneira como ela decide quais pixels realmente precisam ser calculados.”

A GPU do futuro pode renderizar menos para entregar mais

Essa talvez seja a melhor maneira de entender toda a evolução.

DLSS começou tentando responder:

“Como posso reconstruir uma imagem de alta resolução a partir de uma imagem menor?”

Depois passou a responder:

“Como posso gerar quadros que a GPU não renderizou?”

Depois:

“Como posso reconstruir Ray Tracing de maneira mais inteligente?”

E agora a pergunta fica muito maior:

“Quanto da imagem final realmente precisa ser calculado tradicionalmente?”

Essa é a verdadeira importância do DLSS 5.

Não é apenas fazer uma imagem parecer mais bonita.

É transformar a própria maneira como uma GPU produz gráficos.

DLSS 5 é o fim da renderização tradicional?

Não.

E provavelmente não será tão cedo.

A renderização tradicional continuará sendo a base para fornecer informações físicas e geométricas confiáveis ao sistema.

A diferença é que a IA está ocupando cada vez mais espaço entre aquilo que o motor calcula e aquilo que finalmente aparece na tela.

Por isso, talvez o futuro não seja:

renderização tradicional vs. IA.

Mas sim:

renderização tradicional + IA trabalhando juntas.

E essa combinação pode ser muito mais poderosa do que qualquer uma das duas isoladamente.

O verdadeiro salto do DLSS

O DLSS começou como uma tecnologia para economizar pixels.

Hoje, ele está se transformando em uma tecnologia para economizar computação.

E essa diferença é gigantesca.

A pergunta já não é mais:

“Quantos pixels minha GPU consegue renderizar?”

Mas:

“Quantos pixels ela realmente precisa renderizar?”

Se a NVIDIA conseguir fazer a IA responder essa pergunta cada vez melhor, tecnologias como o DLSS podem acabar sendo tão importantes para o futuro dos gráficos quanto o próprio aumento da capacidade bruta das GPUs.

E olhando para comparações como a de Resident Evil Requiem, fica fácil entender por que essa disputa está deixando de ser apenas uma corrida por mais FPS.

A próxima batalha pode ser para descobrir quem consegue fazer a IA produzir a imagem mais convincente com a menor quantidade possível de computação tradicional.