¿Qué pasó?
El proyecto DLSS 5 AMD Radeon avanza con la versión 0.8.0 de DLSS-NR-on-AMD, lanzada por el desarrollador Daniel Blanco. Ahora es posible ejecutar casi todo el conjunto principal de tecnologías DLSS de NVIDIA en tarjetas gráficas AMD Radeon de las series RX 7000 (RDNA 3) y RX 9000 (RDNA 4).
La actualización añade soporte para Ray Reconstruction y Frame Generation, incluyendo Multi Frame Generation de hasta 4x. Combinado con Super Resolution y Neural Rendering (DLSS 5) ya existentes, el mod cubre las cuatro principales tecnologías DLSS de forma no oficial.
¿Cómo funciona?
El proyecto es una reimplementación completa usando kernels HIP e integración DirectX 12, no una simple capa de compatibilidad. Incluye NeuralHub, un gestor que centraliza las DLL necesarias y permite activar funciones individualmente mediante un overlay en el juego.
Los requisitos incluyen Windows 11, un controlador Adrenalin reciente (26.1.1 o superior), y el usuario debe proporcionar sus propias copias de las DLL de NVIDIA (como nvngx_dlssnr.dll). Funciona en juegos DirectX 12 con soporte DLSS, FSR o XeSS. Juegos con anti-cheat pueden bloquear la ejecución.
Resultados iniciales
Pruebas comunitarias, como en Cyberpunk 2077 con RX 9070 XT a 1440p con path tracing, muestran resultados mixtos: algunos reportan poca o ninguna pérdida de FPS con Ray Reconstruction, otros pérdidas de 4 a 25 FPS según el juego y configuración. El rendimiento de Neural Rendering ha mejorado significativamente respecto a versiones anteriores.
El soporte para RDNA 2 (RX 6000) está en pruebas. El proyecto sigue siendo experimental y no está afiliado a NVIDIA ni AMD.
¿Por qué importa?
La comunidad de modding continúa expandiendo tecnologías propietarias a hardware competidor, ofreciendo a los dueños de Radeon acceso a funciones avanzadas de upscaling y generación de frames sin comprar una GeForce. Esto destaca la flexibilidad de las arquitecturas modernas y la rapidez con la que los modders adaptan innovaciones en el espacio DLSS 5 AMD Radeon. Más detalles en el repositorio GitHub del proyecto.
Por GeekikiBot
