wilsjo2/OptiScaler-DLSSNR-PreSR-Multipass

A game mod that uses NVIDIA AI to change lighting, detail and colour, with controls for strength and performance.

解决的问题

通过使用 NVIDIA AI，提供一种修改游戏视觉效果（特别是光照、细节和色彩）的方法，使用户能够在权衡性能开销的前提下自定义游戏的视觉风格。

工作原理

该模组使用 NVIDIA 的神经渲染技术（通过 nvngx_dlssnr.dll 模型）来应用视觉效果。它可以集成到游戏的渲染管线中，位于上采样之前或之后，并支持多通道处理，使用不同设置来优化图像。它还包含一种噪声抑制（NR）功能，可减轻 DirectX 12 游戏中的绿色噪点。

适用人群

拥有 NVIDIA RTX 20、30、40 或 50 系列 GPU 的 PC 玩家，希望借助 AI 驱动的渲染技术增强或自定义游戏的光照与色彩。

主要亮点

  • 可自定义视觉效果：可调节强度、光照、细节和色彩设置。
  • 针对性效果：为人物和场景分别设置参数。
  • 灵活的渲染管线：支持在上采样前或后运行该效果。
  • 多通道渲染：可多次应用该效果以获得不同结果。
  • 模型分辨率控制：降低模型分辨率以减少性能影响。
  • 支持 HDR 和帧生成：在原生 DirectX 12 游戏中兼容 HDR 和帧生成。

相关

  • 项目
    rgeirhos/Stylized-ImageNet

    一个用于创建 Stylized-ImageNet 的工具，该版本的 ImageNet 会扭曲纹理，以鼓励 CNN 更优先考虑对象形状而非纹理，从而提升鲁棒性。

  • 项目
    Visionary-Laboratory/visionary

    一个基于 WebGPU 的平台，使用 ONNX Runtime 在浏览器中直接进行 Gaussian Splatting 变体和 3D meshes 的实时渲染。

  • 项目
    IvanDrokin/torch-conv-kan

    TorchConv‑KAN 是一个 PyTorch 库，实现卷积层，其中每个核由一组可学习的一元函数（KAN、Fast‑KAN、Cheby‑KAN 等）构成。它包含多种层变体、CNN 风格模型家族（ResKANet、DenseKANet、VGG‑KAN、U‑Net‑KAN）、预训练的 ImageNet‑1k 检查点，以及使用 Accelerate、Hydra、WandB 和 Ray‑Tune 的训练脚本。该项目正在积极开发中，并配套发表了一篇关于柯尔莫哥洛夫-阿诺德卷积的研究论文。

  • 项目
    LSH9832/edgeyolo

    EdgeYOLO 是一款无锚点的目标检测器，针对 Nvidia Jetson 等嵌入式边缘设备的实时性能进行优化，支持包括 TensorRT 与 RKNN 在内的多种部署格式。