最新10月7日消息，近日一位名为RedDukeDev的技术爱好者发布了一项实验性开源项目，成功让DLSS 5神经网络模型在AMD显卡上运行，并且将原本极低的运行帧率从20 FPS大幅提升至119 FPS。

该项目最核心的技术点在于算法的异步运行方式。要知道DLSS 5的重构计算量很大，而AMD等第三方显卡没有专用的Tensor Core（张量核心），神经网络模块的处理延迟相当显著。

如果采用标准的同步调用方式——即每显示一帧都必须等待神经网络完成计算，整体性能会被拖累到难以接受的水平。

为了验证这一点，作者在一张RDNA 3架构显卡上进行了基准测试，分辨率为1440p，关闭光线追踪，开启FSR 4超分辨率与帧生成功能。

基准场景的原始帧率约为139帧，而采用同步神经网络计算的方案会将帧率拖低至约20帧，几乎不可用。

而异步方案则换了一种思路：神经网络的结果一生成就立即被处理，系统会计算神经网络输入与输出之间的残差，再通过置换图（displacement map）将结果应用到当前帧上。

这样一来，显示管线无需停下来等待计算完成，帧率得以维持在119帧，保留了大部分原有的流畅度。

不过这一方案在现阶段仍存在明显的局限性。在动态场景中，画面会出现视觉伪影，且渲染与神经网络运算之间的时间差越大、帧生成开启时，伪影越明显，而在静态场景中，画面失真几乎不存。

目前该开发者已着手引入多种优化算法来抑制画面重影，并证实该工具能够完美兼容Linux操作系统及Proton兼容层。