Deep Learning Super Sampling (DLSS) é um conjunto de tecnologias de aprimoramento e super-resolução (upscaling) de imagem em tempo real baseadas em aprendizado profundo desenvolvidas pela Nvidia, disponíveis em diversos jogos eletrônicos. O objetivo dessas tecnologias é permitir que a maior parte do pipeline gráfico seja executada em uma resolução menor para aumentar o desempenho do sistema, inferindo em seguida uma imagem em resolução mais alta que se aproxima do mesmo nível de detalhamento visual que seria obtido caso o quadro tivesse sido renderizado nativamente nessa resolução superior. Isso possibilita configurações gráficas mais altas ou maiores taxas de quadros para uma dada resolução de saída, de acordo com a preferência do usuário.
Todas as gerações do DLSS são compatíveis com todas as placas de vídeo da linha RTX da Nvidia nos títulos suportados. Contudo, o recurso de Geração de Quadros (Frame Generation) é suportado exclusivamente nas GPUs RTX Série 40 ou mais recentes, enquanto a Geração Múltipla de Quadros (Multi Frame Generation) está disponível apenas nas placas da Série 50.
História A Nvidia promoveu o DLSS como um dos principais recursos das GPUs da linha GeForce RTX Série 20 quando foram lançadas em setembro de 2018. Naquela época, os resultados estavam limitados a poucos jogos, tais como Battlefield V e Metro Exodus, uma vez que o algoritmo precisava ser treinado especificamente para cada título individual em que era aplicado, e os resultados visuais frequentemente não superavam o redimensionamento convencional de resolução. Em 2019, o jogo Control foi lançado com suporte a traçado de raios (ray tracing) e um algoritmo de processamento de imagem que aproximava os resultados do DLSS sem utilizar os núcleos Tensor (Tensor Cores).
Em abril de 2020, a Nvidia lançou uma versão aprimorada denominada DLSS 2, disponibilizada a partir da versão 445.75 dos drivers GeForce. O DLSS 2.0 foi integrado a títulos existentes como Control e Wolfenstein: Youngblood, sendo posteriormente implementado em lançamentos subsequentes e em motores gráficos como a Unreal Engine e a Unity. Nessa revisão, a Nvidia retomou o uso dos Tensor Cores e eliminou a necessidade de treinar a inteligência artificial para cada jogo de maneira individual, adotando um modelo de treinamento generalizado. Apesar de compartilharem a marca comercial DLSS, as duas iterações possuem arquiteturas distintas e não apresentam retrocompatibilidade direta.Edward Liu, NVIDIA "DLSS 2.0 - Image Reconstruction for Real-time Rendering with Deep Learning"
Em janeiro de 2025, a Nvidia divulgou que mais de 540 jogos e aplicativos ofereciam suporte ao DLSS e que mais de 80% dos usuários de placas GeForce RTX mantinham o recurso ativado. Em março de 2025, mais de 100 jogos já suportavam o DLSS 4. Em maio do mesmo ano, a lista ultrapassou a marca de 125 títulos compatíveis. O primeiro console de jogos eletrônicos a utilizar a tecnologia DLSS, o Nintendo Switch 2, foi lançado em 5 de junho de 2025.
A Nvidia anunciou o DLSS 4.5 durante a CES de 2026. Na ocasião, informou que mais de 250 títulos contavam com suporte à tecnologia Multi Frame Generation.
Em 16 de março de 2026, na conferência GTC 2026, o CEO da Nvidia, Jensen Huang, apresentou o DLSS 5, um modelo de inteligência artificial em tempo real baseado em renderização neural projetado para aprimorar iluminação e materiais em resoluções de até 4K preservando a direção de arte pretendida pelos desenvolvedores. O lançamento oficial foi planejado para o outono de 2026. A empresa confirmou a inclusão do DLSS 5 em títulos como Assassin's Creed Shadows, Delta Force, Hogwarts Legacy, Naraka: Bladepoint, Phantom Blade Zero, Resident Evil Requiem, Starfield e The Elder Scrolls IV: Oblivion Remastered.
Em 31 de maio de 2026, a Nvidia anunciou uma atualização do modelo Ray Reconstruction para o DLSS 4.5 voltada a todas as placas RTX. O modelo foi projetado para integrar percepção espacial às cenas e analisar vetores de movimento e condições de iluminação do motor gráfico de forma mais precisa, proporcionando imagens mais estáveis e com menor ruído visual. A atualização foi lançada oficialmente em 25 de agosto de 2026.
Cronologia de lançamentos Versão Data de lançamento Principais recursos 1.0 Fevereiro de 2019 Super-resolução predominantemente espacial; exigia treinamento por inteligência artificial dedicado para cada jogo. Integrado em títulos como Battlefield V e Metro Exodus. "1.9" (designação não oficial) Agosto de 2019 Adaptação do DLSS 1.0 executada em núcleos de sombreamento CUDA em vez de núcleos Tensor; utilizado em Control. 2.0 Abril de 2020 Implementação de TAAU acelerada por IA utilizando Tensor Cores com rede neural treinada de forma generalizada. 3.0 Setembro de 2022 Introdução da tecnologia de Geração de Quadros (Frame Generation) baseada em acelerador de fluxo óptico (exclusiva para a Série RTX 40), gerando quadros intermediários intercalados aos quadros renderizados. 3.5 Setembro de 2023 Introdução da Reconstrução de Raios (Ray Reconstruction), substituindo múltiplos algoritmos de redução de ruído (denoisers) por um único modelo de IA treinado com cinco vezes mais dados que o DLSS 3. 4.0 Janeiro de 2025 Geração Múltipla de Quadros (Multi Frame Generation); novo modelo de IA baseado na arquitetura Transformer, proporcionando maior estabilidade temporal, menor consumo de memória de vídeo (VRAM) e maior fidelidade de iluminação. 4.5 Janeiro de 2026 Geração Dinâmica de Múltiplos Quadros (até 6×) e modelo Transformer de segunda geração aprimorado. 5.0 Outono de 2026 (planejado) Modelo de IA baseado em renderização neural, aprimorando dinamicamente iluminação e superfícies de materiais.
Tecnologia
DLSS 1 A primeira versão do DLSS operava como um método de super-resolução predominantemente espacial estruturado em duas etapas baseadas em autoencoders convolucionais. A primeira etapa consistia em uma rede neural de aprimoramento que analisava o quadro atual e os vetores de movimento para executar realce de bordas e antisserrilhamento espacial. A segunda etapa realizava a elevação da resolução a partir de um único quadro bruto de baixa definição. Por utilizar apenas um quadro como referência, a rede precisava inferir grande volume de dados ausentes, o que podia gerar alucinações visuais sutis, como folhagens com estilos destoantes do material de origem.
O treinamento da rede era feito individualmente para cada jogo por meio da renderização de "quadros perfeitos" em superamostragem tradicional de 64 amostras por pixel em conjunto com os vetores de movimento correspondentes. O conjunto de dados abrangia variações de fases, horários, iluminação e configurações gráficas, sendo expandido por técnicas de aumento de dados (rotações, ruídos aleatórios e alterações de matiz) e processado no supercomputador Saturn V da Nvidia.
O DLSS 1 recebeu avaliações mistas em razão de artefatos visuais, perda de nitidez e instabilidades temporais em cenários dinâmicos, reflexo das limitações inerentes ao uso de apenas um quadro de entrada.
DLSS 2 O DLSS 2 adota a técnica de superamostragem com anti-aliasing temporal (TAAU), utilizando dados acumulados de quadros anteriores por meio de deslocamento subpixel (jittering) para reconstruir detalhes finos e eliminar serrilhados. As entradas processadas incluem: a imagem bruta em baixa resolução, os vetores de movimento, os buffers de profundidade (Z-buffering) e informações de exposição e luminância. Quando configurado para renderizar nativamente a 100% da resolução sem realizar o redimensionamento, o algoritmo opera exclusivamente como uma solução de antisserrilhamento de alta fidelidade, comercializada pela Nvidia como DLAA (Deep Learning Anti-Aliasing).
Diferentemente de soluções tradicionais de TAA que utilizam regras heurísticas manuais (como o neighborhood clamping) para atenuar problemas como fantasmas visuais (ghosting) e cintilações (flickering) — o que pode introduzir desfoque na imagem final —, o DLSS 2 emprega uma rede neural convolucional treinada para identificar e corrigir inconsistências temporais de forma preditiva. Isso permite reconstruir bordas e texturas com maior fidelidade do que o TAA convencional, por vezes superando a nitidez da resolução nativa, embora artefatos pontuais de descontinuidade temporal ainda possam ocorrer em situações específicas.
Como os padrões temporais se comportam de maneira semelhante na maioria dos ambientes gráficos, a rede neural do DLSS 2 não exige retreinamento para novos jogos. O algoritmo proporciona retenção de detalhes sensivelmente superior ao DLSS 1, custo de processamento reduzido pela metade (~1–2 ms frente a ~2–4 ms do antecessor) e integração facilitada para desenvolvedores. Por se tratar de uma técnica de reconstrução temporal e não de um gerador procedural de textura, a qualidade visual final permanece associada à resolução dos ativos originais, razão pela qual a Nvidia recomenda o ajuste de viés do mip-map para manter a nitidez de superfícies detalhadas.
DLSS 3 O DLSS 3 agregou à super-resolução o recurso de Geração de Quadros (Frame Generation). A tecnologia analisa dois quadros consecutivos renderizados pelo motor gráfico em conjunto com dados de fluxo óptico e vetores de movimento para gerar e intercalar um quadro inteiramente sintetizado entre eles, dobrando a taxa de quadros percebida. O recurso baseia-se no acelerador de fluxo óptico (Optical Flow Accelerator - OFA) de nova geração integrado à microarquitetura Ada Lovelace das GPUs GeForce RTX série 40, exclusivo dessa geração e das posteriores.
DLSS 3.5 O DLSS 3.5 introduziu a Reconstrução de Raios (Ray Reconstruction), substituindo múltiplos algoritmos tradicionais de remoção de ruído por um único modelo de inteligência artificial unificado treinado com conjuntos de dados cinco vezes mais extensos que os do DLSS 3. O recurso está disponível para todas as placas de vídeo GeForce RTX e teve como foco principal títulos com traçado de caminhos (path tracing), como Cyberpunk 2077 (expansão Phantom Liberty), Portal with RTX e Alan Wake 2.
DLSS 4 A quarta geração do DLSS foi apresentada em conjunto com a família GeForce RTX Série 50. O módulo de super-resolução passou a adotar um modelo baseado na arquitetura de visão computacional Transformer, substituindo as redes neurais convolucionais (CNN) para reduzir o efeito fantasma e proporcionar maior estabilidade em cenas com movimento acelerado. A tecnologia expandiu a capacidade de interpolação por meio da Geração Múltipla de Quadros (Multi Frame Generation), permitindo a criação de múltiplos quadros gerados por IA para cada quadro renderizado nativamente nas placas RTX Série 50, enquanto a Série RTX 40 manteve a geração limitada a um quadro adicional por quadro real. Segundo dados da fabricante, o modelo de geração do DLSS 4 reduz a alocação de memória de vídeo em cerca de 30% em relação à iteração anterior.
Recursos GeForce RTX Série 20 GeForce RTX Série 30 GeForce RTX Série 40 GeForce RTX Série 50 Modelo Transformer Geração de Quadros 2× Geração de Quadros 3–4×
DLSS 4.5 O DLSS 4.5 adicionou a Geração Dinâmica de Múltiplos Quadros (capaz de gerar até 6× quadros de forma dinâmica nas GPUs RTX Série 50) e atualizou o modelo Transformer de super-resolução para uma segunda geração aprimorada, visando maior fidelidade temporal e atenuação de serrilhados residuais.
Em placas RTX Série 30 e anteriores, o algoritmo do DLSS 4.5 demanda maior carga computacional em decorrência da otimização das operações matemáticas em precisão FP8 implementada nas arquiteturas RTX 40 e 50.
DLSS 5