NVIDIA DLSS 4.5 Ray Reconstruction ya está disponible: te contamos todas sus claves

El trazado de rayos ha cambiado profundamente la forma en la que se iluminan los juegos, pero también nos ha obligado a aceptar una realidad incómoda: todavía estamos muy lejos de poder calcular por fuerza bruta toda la información necesaria para generar cada fotograma en tiempo real. Esto resulta todavía más evidente cuando hablamos de trazado de trayectorias o path tracing, donde cada rayo puede realizar múltiples rebotes para reproducir de una manera mucho más precisa el comportamiento real de la luz.

La potencia de las tarjetas gráficas ha aumentado enormemente durante los últimos años, pero lanzar suficientes rayos por cada píxel como para obtener una imagen completamente limpia sigue teniendo un coste prohibitivo. Por eso una parte cada vez más importante del renderizado moderno consiste precisamente en trabajar con información incompleta y reconstruir aquello que no podemos permitirnos calcular. NVIDIA lleva años utilizando la inteligencia artificial para afrontar este problema, primero con el reescalado DLSS y posteriormente con tecnologías destinadas a reconstruir también la información generada mediante trazado de rayos.

Ray Reconstruction fue uno de los pasos más importantes en esa evolución. Debutó con DLSS 3.5 sustituyendo los reductores de ruido tradicionales por una red neuronal entrenada específicamente para interpretar las muestras producidas por el ray tracing, y dio otro salto con DLSS 4 gracias a la adopción de un modelo Transformer. DLSS 4.5 Ray Reconstruction ya está disponible y lleva ahora esa idea todavía más lejos con un Transformer de segunda generación, un conjunto de entrenamiento ampliado y una mayor capacidad para interpretar tanto la información espacial como la temporal que proporciona el motor gráfico. NVIDIA asegura que el nuevo modelo procesa un 20% más de parámetros y ofrece un 35% más de capacidad de cálculo manteniendo un rendimiento similar al de su predecesor.

Pero reducir DLSS 4.5 Ray Reconstruction a «un denoiser mejor» sería quedarse en la superficie. Su verdadero interés está en cómo está cambiando el papel de la reconstrucción dentro del proceso de renderizado. NVIDIA utiliza un único modelo neuronal para combinar reducción de ruido y Super Resolution, analizando datos espaciales, temporales y muestras del motor para generar directamente una imagen de alta resolución más limpia, estable y fiel. En este especial vamos a ver por qué este planteamiento resulta tan importante, qué problemas intenta resolver, cómo ha evolucionado desde DLSS 3.5 y qué mejoras podemos esperar realmente cuando lo utilizamos en un juego.

Por qué el ray tracing necesita reconstrucción

Para entender Ray Reconstruction primero debemos comprender por qué existe el ruido. En una escena renderizada mediante ray tracing, la GPU lanza rayos desde los píxeles de la imagen y calcula cómo interactúan con la geometría, los materiales y las fuentes de luz. En un escenario ideal podríamos utilizar una cantidad enorme de muestras para cada píxel y repetir esos cálculos hasta que el resultado convergiese hacia una representación prácticamente libre de ruido. Eso es posible en renderizado offline, donde un fotograma puede tardar segundos, minutos o incluso horas en completarse. En un videojuego que debe generar decenas o cientos de fotogramas cada segundo no tenemos ese lujo.

La solución consiste en utilizar muchas menos muestras. El problema es que cada una de ellas representa solamente una pequeña fracción de toda la información luminosa que debería llegar al píxel. Dos píxeles contiguos pueden recibir resultados aparentemente muy diferentes simplemente porque los pocos rayos utilizados en cada uno han seguido caminos distintos. El resultado inicial presenta una especie de granulado o ruido que aumenta cuanto menor es el número de muestras disponibles.

Con el path tracing la situación se vuelve todavía más compleja. En lugar de calcular únicamente determinados efectos mediante ray tracing, se utiliza el trazado de trayectorias para resolver de forma mucho más global la iluminación de la escena. Un rayo puede rebotar sobre diferentes superficies, cambiar su contribución según los materiales que encuentra y transportar información procedente de fuentes de luz que ni siquiera son visibles directamente desde la cámara. El resultado puede ser extraordinariamente realista, pero también requiere una cantidad de muestras enorme para converger hacia una imagen limpia.

Ahí entran en juego los reductores de ruido o denoisers. Su trabajo consiste, simplificando mucho, en tomar ese fotograma incompleto y ruidoso e intentar determinar qué variaciones pertenecen realmente a la imagen y cuáles son consecuencia de un muestreo insuficiente. Para hacerlo pueden analizar información de los píxeles cercanos y aprovechar datos procedentes de fotogramas anteriores. La acumulación temporal es especialmente importante: si un único fotograma no contiene suficientes muestras, combinar información válida obtenida en varios frames permite reconstruir una representación mucho más estable.

El problema es que limpiar una imagen sin destruir información válida resulta extremadamente complicado. Si el filtro es demasiado agresivo puede borrar pequeños detalles, suavizar texturas o convertir reflejos complejos en superficies excesivamente uniformes. Si confía demasiado en fotogramas anteriores puede conservar información que ya no debería estar ahí cuando un objeto, una luz o la propia cámara se han movido. De ahí aparecen algunos de los defectos más habituales del ray tracing reconstruido: ghosting o estelas detrás de objetos, iluminación que tarda en reaccionar, reflejos que parecen quedarse pegados a una superficie y el característico boiling, una inestabilidad que hace que determinados detalles parezcan hervir o cambiar constantemente entre fotogramas.

Existe además un equilibrio especialmente delicado. Acumular mucha información temporal ayuda a reducir el ruido y mejora la estabilidad, pero aumenta el riesgo de arrastrar datos antiguos. Descartarla demasiado rápido hace que la escena responda mejor a los cambios, pero puede provocar que vuelvan a aparecer ruido, parpadeos y pérdida de consistencia. Buena parte de la calidad de una técnica de reconstrucción depende precisamente de saber cuándo una muestra del pasado continúa siendo útil y cuándo se ha convertido en información incorrecta.

Por eso el verdadero desafío no consiste simplemente en «quitar el ruido». Hay que reconstruir una imagen utilizando una cantidad muy limitada de información, conservar los detalles que realmente pertenecen a la escena, reaccionar correctamente a los cambios de iluminación y movimiento y mantener todo ello estable durante una sucesión de fotogramas. Ray Reconstruction nació precisamente para atacar este problema mediante inteligencia artificial, y entender cómo ha evolucionado esa solución desde DLSS 3.5 es la clave para comprender por qué NVIDIA considera tan importante el nuevo modelo de DLSS 4.5.

De DLSS 3.5 a DLSS 4: cómo la IA sustituyó a los denoisers

El primer gran salto llegó con DLSS 3.5 Ray Reconstruction, presentado por NVIDIA en 2023. Hasta entonces, los juegos con ray tracing utilizaban diferentes reductores de ruido ajustados manualmente para limpiar reflejos, sombras, iluminación global y otros efectos. Cada uno de esos filtros debía interpretar una parte concreta de la imagen y, en determinadas situaciones, podía eliminar también información válida o introducir defectos temporales. Ray Reconstruction cambió ese planteamiento al sustituir esos denoisers por una única red neuronal entrenada específicamente para reconstruir imágenes generadas mediante trazado de rayos.

La idea era especialmente potente porque la red no trabajaba únicamente sobre la imagen final. Podía utilizar información adicional proporcionada por el motor gráfico, como vectores de movimiento, profundidad y datos temporales, para comprender mejor qué estaba ocurriendo en la escena. En lugar de aplicar reglas fijas diseñadas previamente para limpiar cada efecto, Ray Reconstruction intentaba interpretar el contexto y decidir qué información debía conservarse y cuál correspondía al ruido provocado por un muestreo insuficiente.

Ese cambio permitió mejorar de forma muy visible la calidad del ray tracing y fue especialmente importante para el path tracing. Cuando las muestras disponibles son escasas y la iluminación depende de múltiples rebotes, disponer de una red capaz de reconstruir información de forma inteligente resulta mucho más efectivo que encadenar distintos filtros especializados. NVIDIA entrenó el modelo de DLSS 3.5 con una cantidad de datos muy superior a la utilizada en generaciones anteriores, precisamente para que pudiera reconocer una mayor variedad de situaciones y aproximarse mejor a una referencia de alta calidad.

Ray Reconstruction empezó así a ocupar un papel mucho más relevante dentro del pipeline gráfico. Ya no se trataba simplemente de eliminar el granulado de una imagen, sino de recuperar reflejos, sombras, iluminación y pequeños detalles que podían perderse durante el proceso de reducción de ruido. En juegos con path tracing, donde buena parte de la iluminación depende de información muy dispersa, esa capacidad se convirtió en una pieza fundamental para obtener una imagen estable sin multiplicar de manera prohibitiva el número de rayos calculados.

La siguiente gran evolución llegó con DLSS 4, cuando NVIDIA sustituyó las redes neuronales convolucionales o CNN que había utilizado hasta entonces por un modelo basado en Transformers. La compañía lo presentó como la mayor renovación de sus modelos de IA desde DLSS 2.0, y aplicó esta nueva arquitectura tanto a Ray Reconstruction como a Super Resolution y DLAA.

La diferencia entre ambos enfoques es importante. Una CNN analiza principalmente información localizada y va siguiendo cómo cambian determinadas regiones entre fotogramas. Este tipo de arquitectura ha demostrado ser extraordinariamente útil en tratamiento de imagen, pero el ray tracing plantea un problema particularmente difícil: sus muestras pueden estar muy separadas entre sí, contener mucho ruido y mostrar una correlación espacial y temporal bastante débil.

Los Transformers están mejor preparados para trabajar con ese tipo de información. Gracias a sus mecanismos de autoatención pueden evaluar la importancia relativa de píxeles distribuidos por todo el fotograma y también relacionarlos con información procedente de varios frames anteriores. NVIDIA utilizó aproximadamente el doble de parámetros que en su modelo CNN, lo que permitió aumentar la comprensión de cada escena y mejorar especialmente la estabilidad temporal, el detalle durante el movimiento, los bordes y la reducción del ghosting.

Esta capacidad resulta especialmente valiosa en path tracing. Una muestra útil para reconstruir un determinado píxel no tiene por qué encontrarse justo al lado ni haberse generado en el mismo fotograma. Puede estar espacialmente alejada o proceder de un instante anterior. El mecanismo de atención permite localizar y aprovechar mejor esas relaciones, algo que una arquitectura basada principalmente en contexto local tiene más dificultades para hacer. NVIDIA explica que esta característica es una de las razones por las que los Transformers se adaptan especialmente bien a datos de path tracing, que suelen ser ruidosos y débilmente correlacionados.

El resultado fue un salto importante en calidad. DLSS 4 mejoró la conservación de pequeños detalles en superficies, redujo artefactos en zonas que acababan de quedar visibles tras el movimiento de un objeto, aumentó la estabilidad entre fotogramas y consiguió aproximarse mejor a imágenes de referencia generadas con cantidades enormemente superiores de muestras por píxel.

Ese primer Transformer es precisamente el punto de partida de DLSS 4.5 Ray Reconstruction. NVIDIA no está sustituyendo ahora la idea que introdujo con DLSS 4, sino llevándola a una segunda generación más capaz, mejor entrenada y con una comprensión todavía mayor de la información espacial y temporal del motor. Si DLSS 3.5 demostró que la inteligencia artificial podía sustituir con ventaja a los denoisers tradicionales y DLSS 4 confirmó que los Transformers encajaban especialmente bien con el problema, DLSS 4.5 representa la siguiente fase: hacer que ese modelo interprete cada vez mejor una escena compleja a partir de una cantidad muy limitada de datos.

DLSS 4.5 Ray Reconstruction: qué cambia realmente

Con DLSS 4.5 Ray Reconstruction NVIDIA mantiene el camino iniciado con DLSS 4, pero introduce un Transformer de segunda generación considerablemente más avanzado. No estamos ante una tecnología diferente ni ante un cambio de filosofía, sino ante una evolución profunda del modelo que se encarga de interpretar la información del motor gráfico y reconstruir la imagen. El objetivo es que pueda trabajar con más contexto, seleccionar mejor las muestras relevantes y responder con mayor precisión a los cambios que se producen entre un fotograma y el siguiente.

Una de las mejoras más importantes está en la propia complejidad del modelo. NVIDIA afirma que el nuevo Transformer procesa un 20% más de parámetros y ofrece un 35% más de capacidad de cálculo, pero consigue hacerlo manteniendo un nivel de rendimiento similar al de su predecesor. Es una combinación especialmente interesante, porque aumentar la capacidad de una red neuronal suele implicar también incrementar su coste computacional. En este caso, la compañía ha conseguido elevar la capacidad del modelo sin trasladar ese aumento de forma equivalente al rendimiento del juego.

Ese mayor número de parámetros permite que el Transformer represente relaciones más complejas entre los datos que recibe. Conviene no interpretar esto simplemente como que DLSS 4.5 «tiene más información almacenada». Los parámetros son los valores que la red ajusta durante el entrenamiento y que terminan determinando cómo interpreta las entradas. Un modelo con mayor capacidad puede reconocer patrones más complejos y tomar decisiones más precisas cuando debe determinar qué muestras son fiables, cuáles corresponden a ruido y cómo deben combinarse para reconstruir la imagen.

NVIDIA también ha ampliado el conjunto de datos utilizado durante el entrenamiento. Esto permite exponer al modelo a una variedad mayor de situaciones, materiales, condiciones de iluminación, movimientos y patrones de ruido antes de que llegue a nuestros juegos. La compañía explica que ese entrenamiento adicional aumenta su capacidad para seleccionar los datos del motor que permiten reconstruir una escena más próxima al ground truth, es decir, al resultado de referencia que obtendríamos utilizando una cantidad de muestras muy superior.

Otra mejora fundamental es la mayor comprensión espacial de la escena. DLSS 4.5 Ray Reconstruction puede analizar con más profundidad cómo se relacionan entre sí diferentes partes de la imagen y aprovecha de forma más inteligente tanto el muestreo de píxeles generado por el motor como los datos de movimiento. NVIDIA atribuye a estas mejoras una iluminación más precisa, una mayor estabilidad temporal y una imagen más clara cuando existe movimiento.

Esto tiene consecuencias prácticas muy importantes. Un reflejo, una sombra o una superficie iluminada mediante path tracing no existe de forma aislada: cambia cuando se mueve la cámara, cuando entra un objeto en escena, cuando desaparece una fuente de luz o cuando una superficie deja de ser visible y aparece otra detrás. Cuanto mejor comprenda el modelo esas relaciones espaciales y temporales, más fácil resulta reconstruir correctamente la información sin confundir datos pertenecientes a momentos o zonas diferentes.

También mejora la forma en la que el modelo utiliza la información proporcionada directamente por el motor gráfico. Los vectores de movimiento, por ejemplo, permiten conocer cómo se ha desplazado un objeto o una región de la imagen entre dos fotogramas. Si esa información se interpreta correctamente, el Transformer puede reutilizar datos válidos del pasado y colocarlos donde corresponde en el nuevo frame. Si se interpreta mal, aparecen precisamente defectos como ghosting, estelas o detalles que parecen quedarse retrasados respecto al movimiento.

NVIDIA ha añadido además un control más fino de la acumulación temporal para los desarrolladores. Esto les permite ajustar con mayor precisión la respuesta del modelo dependiendo de las características de cada juego y de cada tipo de contenido. No todas las escenas necesitan conservar información durante el mismo tiempo: una superficie estática puede beneficiarse de una acumulación temporal considerable, mientras que un efecto luminoso que aparece y desaparece rápidamente necesita una respuesta mucho más inmediata.

El resultado de todas estas mejoras es que DLSS 4.5 Ray Reconstruction puede reconstruir imágenes más estables sin perder capacidad de reacción, conservar mejor los detalles finos y representar con mayor precisión reflejos, transparencias e iluminación cambiante. NVIDIA no se ha limitado a aumentar el tamaño del Transformer; ha trabajado también en cómo utiliza los datos que recibe y en el entrenamiento que determina cómo los interpreta.

Ese punto es fundamental para entender el salto generacional. DLSS 4.5 no busca simplemente limpiar más la imagen, sino comprender mejor qué información debe utilizar para reconstruirla. El Transformer de segunda generación dispone de mayor capacidad, ha visto más situaciones durante su entrenamiento y puede interpretar con más precisión tanto el espacio como el movimiento. El siguiente paso es entender cómo combina toda esa información dentro del pipeline gráfico, y por qué unir reducción de ruido y Super Resolution en un mismo modelo resulta tan importante para conseguir una imagen final de mayor calidad.

Cómo funciona: denoising, Super Resolution y memoria temporal

Una de las claves para entender DLSS 4.5 Ray Reconstruction es abandonar la idea de que primero tenemos una imagen terminada, después aplicamos un filtro para eliminar el ruido y finalmente la reescalamos. Ray Reconstruction trabaja de una forma mucho más integrada. NVIDIA utiliza un único modelo neuronal que analiza conjuntamente información espacial y temporal procedente del motor y reconstruye directamente una imagen de alta resolución más limpia, estable y detallada. En ese proceso quedan unificadas dos tareas que tradicionalmente podían tratarse por separado: la reducción de ruido y la Super Resolution.

El punto de partida sigue siendo una cantidad limitada de información. El motor genera las muestras correspondientes al trazado de rayos o al path tracing y aporta además datos que ayudan al modelo a comprender cómo está construida y cómo evoluciona la escena. Entre ellos encontramos información de color, movimiento y muestras de rayos, además del historial acumulado de fotogramas anteriores. El Transformer utiliza todo ese contexto para determinar qué datos son fiables y cómo deben combinarse para producir el siguiente frame.

Esta integración tiene una ventaja muy importante. En un pipeline más convencional, un denoiser puede limpiar primero una imagen de baja resolución y eliminar durante ese proceso determinadas variaciones que interpreta como ruido. El problema es que algunas de esas variaciones pueden contener información real sobre reflejos, iluminación o pequeños detalles. Si esa información desaparece en la primera etapa, un sistema de reconstrucción posterior tiene que trabajar con una entrada que ya ha perdido parte de la señal original. Ray Reconstruction evita en buena medida esa separación al permitir que una misma red valore simultáneamente qué debe conservar y cómo debe reconstruirlo a mayor resolución.

Esto ayuda a entender por qué NVIDIA insiste en que Ray Reconstruction no es simplemente un reductor de ruido basado en inteligencia artificial. El modelo debe resolver dos problemas relacionados al mismo tiempo: identificar qué parte de la señal incompleta corresponde realmente a la escena y decidir cómo convertirla en una imagen final de alta resolución. Cuanta más información relevante pueda conservar durante ese proceso, mejores pueden ser los reflejos, las sombras, las transparencias y los detalles pequeños que forman parte de la iluminación trazada por rayos.

El esquema utilizado por NVIDIA para explicar Ray Reconstruction representa precisamente este flujo. Los datos generados por el motor entran en el modelo Transformer, que integra las funciones de denoising y Super Resolution y produce como resultado una imagen trazada por rayos de alta resolución. DLSS 4.5 conserva esa filosofía, pero sustituye el modelo por un Transformer de segunda generación con mayor capacidad y una utilización más avanzada de las muestras de píxeles y los datos de movimiento.

La información temporal ocupa un papel especialmente importante en todo este proceso. Como ya hemos visto, un único fotograma contiene muy pocas muestras para reconstruir por sí solo una escena compleja. Los frames anteriores se convierten por ello en una fuente adicional de información: una muestra obtenida anteriormente puede seguir siendo válida y ayudar a definir con mucha más precisión una superficie, un reflejo o una zona de iluminación en el fotograma actual.

Los vectores de movimiento permiten relacionar correctamente esa información entre distintos frames. Si un personaje se desplaza, la cámara gira o un objeto cambia de posición, el motor proporciona datos que permiten saber hacia dónde se han movido los elementos de la imagen. El modelo puede utilizar esa información para trasladar muestras anteriores hasta su nueva posición y seguir aprovechándolas, aumentando enormemente la cantidad efectiva de datos disponibles sin necesidad de calcular muchos más rayos.

El reto está en decidir durante cuánto tiempo continúa siendo válida esa información histórica. Una pared inmóvil puede acumular muestras durante numerosos fotogramas y beneficiarse de una imagen progresivamente más estable. Un láser que aparece durante una fracción de segundo, una partícula, un reflejo que cambia rápidamente o una superficie que acaba de quedar visible necesitan una respuesta diferente. Mantener durante demasiado tiempo información antigua puede provocar ghosting, estelas o residuos de iluminación, mientras que descartarla demasiado pronto reduce la capacidad del modelo para estabilizar la imagen.

Aquí es donde cobra especial importancia una de las novedades de DLSS 4.5 Ray Reconstruction: NVIDIA proporciona a los desarrolladores un control más preciso sobre la acumulación temporal, de forma que puedan ajustar con mayor exactitud cómo responde el modelo a las características de cada escena y cada juego. El objetivo no es simplemente acumular más información, sino utilizarla durante el tiempo adecuado.

El Transformer de segunda generación también dispone de mejores herramientas para tomar esas decisiones. Su mayor percepción espacial y su capacidad para aprovechar de forma más inteligente los datos de movimiento y muestreo permiten mantener una imagen estable sin sacrificar la capacidad de reaccionar rápidamente cuando cambia la escena. NVIDIA relaciona directamente estas mejoras con una iluminación más precisa, mayor estabilidad temporal y una representación más clara durante el movimiento.

Esta combinación es probablemente uno de los mayores logros de DLSS 4.5 Ray Reconstruction. Una buena reconstrucción temporal necesita conservar suficiente información del pasado para limpiar y estabilizar la imagen, pero también debe saber olvidarla inmediatamente cuando deja de ser correcta. El nuevo modelo dispone de más contexto y mayor capacidad para encontrar ese equilibrio, lo que permite reducir ruido y artefactos al mismo tiempo que mejora la respuesta de reflejos, luces y pequeños detalles.

Visto de esta manera, Ray Reconstruction se convierte en una pieza mucho más profunda del renderizado que un simple filtro aplicado al final del proceso. El motor calcula una cantidad limitada de información, pero el Transformer la relaciona con datos espaciales, movimiento e historial temporal para construir una imagen mucho más completa. DLSS 4.5 mejora precisamente la inteligencia con la que se realiza esa reconstrucción, y eso es lo que veremos reflejado de forma directa en los juegos: menos ghosting y boiling, iluminación que responde con mayor precisión, reflejos más estables y una conservación mucho mejor del detalle fino.

DLSS 4.5 Ray Reconstruction en acción: qué mejora realmente

Toda la evolución técnica que hemos visto hasta ahora tiene una consecuencia bastante sencilla: DLSS 4.5 Ray Reconstruction produce una imagen más estable, precisa y consistente cuando el trazado de rayos tiene que reconstruirse a partir de pocas muestras. La diferencia no se limita a tener menos ruido. El nuevo Transformer mejora la forma en la que responden las luces, mantiene mejor los pequeños detalles durante el movimiento y reduce algunos de los artefactos temporales que todavía podían aparecer con el modelo anterior.

Lo interesante es que estas mejoras no se manifiestan siempre de la misma manera. Dependiendo de la escena podemos encontrar menos ghosting, superficies que dejan de fluctuar, reflejos más definidos, transparencias más estables o cambios de iluminación que reaccionan con mayor rapidez. Precisamente por eso merece la pena analizar por separado los principales problemas que NVIDIA ha atacado con esta nueva generación.

Menos ghosting y menos boiling

El ghosting es uno de los defectos más fáciles de identificar cuando una técnica de reconstrucción utiliza información temporal. Aparece cuando datos pertenecientes a fotogramas anteriores continúan influyendo en la imagen después de que un objeto, una partícula o una fuente de iluminación hayan cambiado de posición. El resultado puede manifestarse como una estela, una sombra residual o una pequeña réplica de aquello que estaba presente en frames anteriores.

DLSS 4.5 Ray Reconstruction mejora la capacidad del modelo para detectar cuándo esa información histórica deja de ser válida. En Indiana Jones and the Great Circle, por ejemplo, esta mejora se aprecia especialmente en la nieve. Los copos mantienen una forma mucho más limpia durante el movimiento y dejan menos rastros detrás de ellos, lo que permite distinguir incluso partículas de diferente tamaño con mayor claridad.

El boiling plantea un problema diferente. En lugar de generar una estela visible, hace que determinados detalles de una superficie parezcan cambiar constantemente entre fotogramas, como si estuvieran hirviendo. Puede aparecer en reflejos, iluminación indirecta, texturas finas o zonas donde las muestras de path tracing son especialmente escasas. Aunque cada fotograma aislado pueda parecer correcto, la inestabilidad se vuelve muy evidente cuando la escena está en movimiento.

En PRAGMATA, NVIDIA destaca precisamente una reducción de este efecto con DLSS 4.5 Ray Reconstruction frente al modelo anterior. Determinadas superficies mantienen una apariencia mucho más estable porque el Transformer consigue utilizar de forma más consistente las muestras que recibe del motor.

Esta mejora es especialmente importante porque la calidad de una imagen en movimiento no depende únicamente de lo bien que se vea un fotograma capturado. En un videojuego podemos generar decenas o cientos de imágenes cada segundo, y pequeñas variaciones entre ellas pueden resultar mucho más molestas que una diferencia de nitidez apreciable únicamente al detener la imagen. La mayor estabilidad temporal de DLSS 4.5 hace que el ray tracing resulte más natural precisamente porque los detalles mantienen una mayor continuidad durante el movimiento.

Una iluminación que responde con mayor precisión

El tratamiento de la iluminación es otro de los apartados donde el nuevo modelo muestra avances claros. El uso de información temporal permite acumular suficientes muestras para estabilizar la luz, pero también crea el riesgo de que una iluminación antigua permanezca durante unos instantes después de que su fuente haya desaparecido. DLSS 4.5 mejora ese equilibrio entre estabilidad y velocidad de respuesta.

Uno de los mejores ejemplos aparece de nuevo en PRAGMATA. Los efectos producidos por los láseres reaccionan con mayor rapidez y precisión, y cuando la fuente desaparece también se reducen los restos de iluminación que podían permanecer durante los siguientes fotogramas. NVIDIA señala específicamente una mejora en la respuesta luminosa y una reducción de los artefactos residuales después de apagar el láser.

Es una mejora mucho más importante de lo que puede parecer. En una escena con iluminación dinámica, la luz debería responder inmediatamente a aquello que ocurre en el entorno. Si una reconstrucción temporal conserva durante demasiado tiempo muestras anteriores, el resultado deja de corresponderse exactamente con el estado actual de la escena. El nuevo Transformer consigue aprovechar el historial cuando continúa siendo útil y descartarlo con mayor rapidez cuando deja de representar correctamente la iluminación.

También mejora la definición de los propios efectos. Los láseres, hologramas y otros elementos visuales dinámicos de PRAGMATA aparecen más nítidos y con una respuesta más consistente gracias al nuevo modelo. Esto demuestra muy bien que la estabilidad temporal y la capacidad de reacción no son objetivos opuestos cuando el sistema consigue identificar mejor qué información debe conservar.

Reflejos y transparencias más estables

Los reflejos son uno de los casos más exigentes para cualquier sistema de reconstrucción. Pueden cambiar rápidamente con la cámara, mostrar objetos situados fuera del campo de visión directo y combinarse con superficies transparentes o parcialmente reflectantes. Todo ello dificulta enormemente determinar qué información de un fotograma anterior sigue siendo válida.

Resident Evil Requiem permite apreciar muy bien la evolución de DLSS 4.5 en este terreno. NVIDIA destaca especialmente los cristales, escaparates y objetos reflectantes, donde el nuevo modelo ofrece reflejos con mayor calidad y detalle, superficies más estables y una reducción del boiling. Las transparencias también mantienen una mayor consistencia durante el movimiento.

Aquí vuelve a resultar fundamental la mayor comprensión espacial y temporal del Transformer. Un reflejo puede mostrar información que cambia incluso cuando el objeto reflejado no se encuentra directamente delante de la cámara, y una superficie de cristal puede combinar datos del entorno situado delante y detrás de ella. Reconstruir correctamente esos elementos exige algo más que suavizar ruido: el modelo debe comprender qué muestras corresponden a cada parte de la escena y mantenerlas coherentes entre fotogramas.

El resultado es especialmente valioso en juegos con path tracing, porque reflejos, iluminación indirecta y transparencias empiezan a formar parte de un mismo sistema de iluminación mucho más integrado. Cuanto mejor pueda reconstruirse esa información, más convincente resulta la relación entre materiales, luz y geometría.

Más detalle fino y una imagen mejor definida

La última gran mejora aparece en elementos que pueden parecer pequeños, pero que tienen un impacto considerable en la percepción general de calidad. Cabello, tejidos, superficies de madera, pequeños relieves y otros detalles de alta frecuencia son especialmente vulnerables durante la reducción de ruido. Un denoiser demasiado agresivo puede interpretarlos como ruido y suavizarlos hasta hacerlos desaparecer.

En Alan Wake 2, NVIDIA señala que DLSS 4.5 Ray Reconstruction mantiene mejor los rizos del cabello de Saga, define con más claridad los pliegues de su abrigo y conserva de forma más estable las pequeñas variaciones de las superficies de madera. Al mismo tiempo, la iluminación mantiene una apariencia más suave y natural.

Las mejoras también aparecen en el veteado de la madera, los reflejos del suelo, la suavidad de las sombras y la conservación general del detalle en superficies complejas. Este tipo de elementos resulta especialmente interesante porque demuestra que Ray Reconstruction no mejora únicamente aquello que identificamos inmediatamente como «ray tracing». Al reconstruir mejor la información luminosa, también ayuda a preservar la percepción del material y de los pequeños detalles que esa iluminación permite distinguir.

Otro ejemplo especialmente llamativo que NVIDIA mostró durante la presentación de DLSS 4.5 aparece en las pantallas de televisión de Alan Wake 2. El característico ruido de una señal analógica sin recepción resulta extremadamente difícil para una técnica temporal porque cambia constantemente de un fotograma al siguiente. El nuevo modelo consigue conservar mucho mejor ese patrón sin convertirlo en una masa borrosa o inestable, una demostración muy clara de su capacidad para diferenciar entre ruido producido por un muestreo insuficiente y detalle que realmente pertenece a la escena.

Esta última distinción resume bastante bien las mejoras de DLSS 4.5 Ray Reconstruction. Un buen reductor de ruido puede eliminar defectos, pero un sistema de reconstrucción avanzado debe hacer algo más difícil: eliminar únicamente aquello que no debería estar en la imagen y preservar aquello que sí forma parte de ella. El Transformer de segunda generación es mejor tomando esa decisión, y eso se traduce en menos ghosting y boiling, iluminación más reactiva, reflejos más estables y una conservación mucho mayor de los pequeños detalles.

El salto respecto al modelo anterior no busca transformar por completo el aspecto artístico de los juegos, sino hacer que la iluminación trazada por rayos se comporte de una forma más consistente y cercana a la referencia que intenta reconstruir. Y ese tipo de mejora cobra todavía más importancia a medida que aumenta el uso del path tracing, porque cuanto mayor es la parte de la imagen que depende de muestras de rayos, mayor es también el valor de reconstruir correctamente cada una de ellas.

Rendimiento y compatibilidad: qué cuesta utilizar el nuevo modelo

Una tecnología de reconstrucción puede mejorar mucho la calidad de imagen, pero para ser realmente útil en videojuegos debe hacerlo manteniendo bajo control su coste computacional. Este punto resulta especialmente importante con DLSS 4.5 Ray Reconstruction, porque el Transformer de segunda generación es un modelo claramente más ambicioso que su predecesor: procesa un 20% más de parámetros y dispone de un 35% más de capacidad de cálculo. A pesar de ello, NVIDIA ha conseguido mantener un nivel de rendimiento muy parecido al del modelo anterior.

Conviene interpretar correctamente este dato. NVIDIA no está diciendo que activar Ray Reconstruction tenga un impacto despreciable sobre el rendimiento frente a jugar con esta tecnología desactivada. La comparación relevante es entre el modelo anterior de Ray Reconstruction y el nuevo Transformer de segunda generación de DLSS 4.5. Es decir, NVIDIA ha aumentado considerablemente la complejidad de la red sin trasladar ese crecimiento de forma proporcional a los tiempos necesarios para ejecutarla.

En las GeForce RTX 40 y RTX 50, NVIDIA espera que la diferencia de rendimiento entre ambos modelos sea prácticamente inapreciable. Esto significa que, en condiciones equivalentes, los usuarios de estas generaciones deberían poder beneficiarse de las mejoras en estabilidad temporal, reflejos, iluminación y conservación del detalle sin tener que asumir una penalización significativa frente a la versión anterior de Ray Reconstruction.

Es una mejora particularmente valiosa porque el objetivo de DLSS siempre ha sido utilizar inteligencia artificial para extraer más calidad y rendimiento del hardware disponible. Conseguir que una red más compleja ofrezca mejores resultados manteniendo aproximadamente el mismo coste supone aumentar la eficiencia del proceso de reconstrucción: la GPU dedica una cantidad similar de recursos, pero el modelo toma decisiones mejores con ellos.

Las GeForce RTX 20 y RTX 30 también son totalmente compatibles con DLSS 4.5 Ray Reconstruction. NVIDIA advierte, eso sí, de que las limitaciones arquitectónicas de estas generaciones pueden provocar una pequeña diferencia de rendimiento adicional al ejecutar el nuevo Transformer. Esto no impide utilizar la tecnología ni limita sus mejoras de calidad, pero sí significa que el coste relativo puede ser algo mayor que en arquitecturas más modernas.

Una de las razones está relacionada con la forma en la que las distintas generaciones aceleran las operaciones utilizadas por los nuevos modelos neuronales. Los Transformers de segunda generación de DLSS están optimizados para aprovechar cálculos de baja precisión, incluidos FP8, un formato especialmente adecuado para ejecutar redes neuronales con gran eficiencia. NVIDIA confirma que las GeForce RTX 20 y RTX 30 carecen de aceleración FP8 nativa, mientras que las generaciones posteriores están mejor preparadas para este tipo de cargas.

Esto permite entender una distinción importante: compatibilidad y eficiencia no son lo mismo. Todas las GeForce RTX disponen de Tensor Cores y pueden ejecutar Ray Reconstruction, pero la evolución de esos aceleradores hace que los modelos neuronales más recientes puedan aprovechar mejor las generaciones modernas. NVIDIA ha mantenido deliberadamente una base de compatibilidad muy amplia, al mismo tiempo que utiliza las capacidades adicionales del hardware nuevo para ejecutar redes cada vez más sofisticadas.

La amplitud de esa compatibilidad resulta especialmente positiva. La tabla oficial de DLSS 4.5 confirma que Ray Reconstruction funciona en GeForce RTX 20, RTX 30, RTX 40 y RTX 50, al igual que Super Resolution y DLAA. Esto diferencia a Ray Reconstruction de otras tecnologías del ecosistema DLSS que necesitan componentes introducidos en generaciones posteriores.

Frame Generation, por ejemplo, requiere como mínimo una GeForce RTX 40, mientras que Multi Frame Generation y sus evoluciones más avanzadas están ligadas a las GeForce RTX 50. Ray Reconstruction mantiene un planteamiento mucho más transversal: cualquier usuario de una tarjeta gráfica RTX puede beneficiarse del nuevo modelo cuando el juego sea compatible. NVIDIA también recoge esta compatibilidad general en su documentación pública de DLSS.

Esto lleva a una situación poco habitual en hardware gráfico. Una GeForce RTX 2060 lanzada en 2019 puede ejecutar en 2026 un modelo de reconstrucción neuronal considerablemente más avanzado que el disponible cuando esa tarjeta llegó al mercado. Naturalmente, no lo hará con la misma eficiencia que una GPU más reciente, y su rendimiento bruto en ray tracing también será muy inferior, pero el hecho de poder acceder a las mejoras de calidad demuestra una de las ventajas del enfoque basado en redes neuronales actualizables.

La propia naturaleza de DLSS permite que una parte de la evolución gráfica no dependa exclusivamente de sustituir la tarjeta gráfica. Los Tensor Cores permanecen en el hardware, pero los modelos que se ejecutan sobre ellos pueden seguir evolucionando, entrenándose con conjuntos de datos mayores y aprendiendo a reconstruir mejor la imagen. DLSS 4.5 Ray Reconstruction es un buen ejemplo: la actualización mejora la forma de utilizar un hardware que lleva años instalado en millones de equipos.

También debemos tener presente que el rendimiento final seguirá dependiendo de muchos otros factores. La resolución utilizada, el modo de Super Resolution, la complejidad del ray tracing o path tracing, el propio juego y la potencia de la GPU condicionarán los FPS obtenidos. Ray Reconstruction no elimina el elevado coste de calcular iluminación mediante trazado de trayectorias; lo que hace es permitir que las muestras calculadas se aprovechen mucho mejor y produzcan una imagen de mayor calidad.

Ese equilibrio entre calidad y eficiencia es precisamente uno de los aspectos más interesantes de DLSS 4.5. NVIDIA ha creado un Transformer con mayor capacidad y más parámetros, pero ha conseguido que el salto apenas altere el rendimiento frente al modelo anterior en RTX 40 y RTX 50 y ha mantenido, al mismo tiempo, la compatibilidad con todas las generaciones GeForce RTX. El resultado es una mejora que no queda reservada exclusivamente al hardware más reciente, aunque sean las arquitecturas modernas las que pueden ejecutarla con mayor eficiencia.

Juegos compatibles, NVIDIA App y el salto más allá del gaming

Una tecnología de reconstrucción neuronal necesita algo más que un buen modelo para tener impacto real: también requiere un ecosistema de juegos capaz de aprovecharla. DLSS 4.5 Ray Reconstruction parte en este sentido de una posición especialmente favorable, porque no exige que los desarrolladores reconstruyan desde cero sus implementaciones de Ray Reconstruction. NVIDIA puede actualizar el modelo utilizado en numerosos títulos compatibles a través de su propia aplicación, prolongando así las mejoras de una integración que ya existe.

Cuando NVIDIA anunció DLSS 4.5 Ray Reconstruction en Computex habló inicialmente de 27 juegos compatibles. La lista actualizada eleva esa cifra a 30 títulos e incorpora producciones tan variadas como Alan Wake 2, Cyberpunk 2077, Indiana Jones and the Great Circle, DOOM: The Dark Ages, Resident Evil Requiem, PRAGMATA, Avatar: Frontiers of Pandora, Half-Life 2 RTX, Portal with RTX, Marvel’s Spider-Man 2, Star Wars Outlaws y War Thunder, entre otros.

La selección resulta interesante porque incluye algunos de los juegos que más lejos han llevado el ray tracing y el path tracing en PC. Cyberpunk 2077, Alan Wake 2, Indiana Jones and the Great Circle y Portal with RTX son precisamente escenarios donde reconstruir correctamente iluminación, reflejos y sombras resulta especialmente importante, ya que una parte muy considerable de la imagen depende de información generada mediante trazado de rayos.

Pero tan relevante como el número de juegos es la forma en la que NVIDIA está distribuyendo sus modelos más recientes. NVIDIA App puede aplicar actualizaciones u overrides de DLSS en títulos que ya integran determinadas funciones compatibles, permitiendo utilizar modelos posteriores sin esperar necesariamente a que cada estudio publique un parche específico. NVIDIA lleva utilizando esta estrategia con Super Resolution, Frame Generation y otras partes de DLSS, y Ray Reconstruction se beneficia ahora también de ese planteamiento.

Esto introduce una diferencia importante frente a las tecnologías gráficas que quedan prácticamente congeladas cuando termina el desarrollo de un juego. La integración realizada por el estudio proporciona al sistema los datos necesarios del motor, pero la red neuronal que interpreta esa información puede continuar evolucionando después. Un juego publicado años atrás puede recibir así una reconstrucción de imagen mejor gracias a un modelo entrenado posteriormente, siempre que su implementación sea compatible con las actualizaciones ofrecidas por NVIDIA.

Esa capacidad encaja perfectamente con lo que hemos visto al hablar de las GeForce RTX más antiguas. No solo una RTX 20 puede ejecutar un modelo neuronal desarrollado muchos años después de su lanzamiento; determinados juegos que ya utilizaban Ray Reconstruction pueden beneficiarse también de esa evolución. Hardware y software permanecen iguales en buena parte del pipeline, pero la inteligencia del modelo que reconstruye la imagen continúa avanzando.

Naturalmente, esto no significa que NVIDIA pueda añadir Ray Reconstruction desde la aplicación a cualquier juego. El título debe contar previamente con la integración necesaria y proporcionar al modelo la información que necesita, como muestras de rayos, datos espaciales, vectores de movimiento e historial temporal. Los overrides permiten actualizar una implementación compatible, no convertir por arte de magia un juego convencional en un título preparado para Ray Reconstruction.

Esta distinción ayuda a entender por qué el crecimiento del ecosistema continúa dependiendo también de los desarrolladores. Cuantos más juegos integren ray tracing avanzado, path tracing y Ray Reconstruction, mayor será el número de títulos que podrán beneficiarse posteriormente de modelos mejorados. NVIDIA consigue así separar parcialmente dos ritmos de evolución: el de la integración realizada por el estudio y el de las redes neuronales que ella misma continúa entrenando.

La tecnología, además, no va a quedarse limitada a los videojuegos. Uno de los anuncios más interesantes realizados junto a DLSS 4.5 Ray Reconstruction fue su llegada a Blender Cycles, donde se integrará como un nuevo sistema de reducción de ruido con Blender 5.3. NVIDIA plantea aquí la misma idea fundamental aplicada a un contexto diferente: reconstruir una imagen de alta calidad a partir de un número reducido de muestras utilizando inteligencia artificial.

El problema en aplicaciones de creación 3D resulta muy parecido al que encontramos en los juegos, aunque cambien los objetivos. Cuando un artista modifica luces, materiales, geometría o posición de cámara dentro de una escena trazada por rayos, aumentar mucho el número de muestras permite obtener una representación limpia y cercana al resultado final, pero reduce drásticamente la velocidad con la que puede actualizarse la ventana de trabajo. Reducir las muestras mejora la interactividad, pero introduce ruido.

Los denoisers permiten compensar parte de ese problema, aunque pueden necesitar tiempo para estabilizar la imagen y perder detalle cuando la escena cambia constantemente. NVIDIA quiere utilizar DLSS 4.5 Ray Reconstruction para mantener una ventana de visualización interactiva con una representación mucho más próxima al resultado final, de manera que el artista pueda valorar iluminación y materiales mientras continúa trabajando sobre ellos. Blender Cycles incorporará esta posibilidad como un nuevo denoiser apoyándose en la integración previa de las tecnologías OptiX de NVIDIA.

El ejemplo resulta especialmente interesante porque demuestra que los avances que hemos analizado hasta ahora no dependen conceptualmente de que estemos jugando. Ghosting, estabilidad temporal, conservación del detalle, reconstrucción a partir de pocas muestras y capacidad para reaccionar rápidamente ante cambios son también problemas relevantes en un entorno de creación interactivo.

Ray Reconstruction empieza así a mostrar su potencial como una pieza más amplia del renderizado neuronal. En juegos permite utilizar trazado de rayos y path tracing con una calidad que sería extremadamente costosa de alcanzar aumentando únicamente el número de muestras. En creación de contenidos puede permitir que un artista trabaje de manera interactiva sobre escenas complejas sin renunciar a una representación visual cercana al resultado que busca.

Ese salto fuera del gaming también ayuda a poner DLSS 4.5 Ray Reconstruction en perspectiva. NVIDIA no está desarrollando únicamente una técnica destinada a corregir artefactos concretos de determinados juegos, sino un modelo capaz de enfrentarse a uno de los grandes problemas del renderizado basado en rayos: cómo transformar un conjunto limitado y ruidoso de muestras en una imagen de alta calidad de la forma más eficiente posible. Y esa misma cuestión será cada vez más importante a medida que el renderizado neuronal ocupe una parte mayor en la generación de imágenes.

El verdadero significado de DLSS 4.5: hacia el renderizado neuronal

Durante décadas, la evolución de los gráficos en tiempo real estuvo estrechamente ligada a una idea relativamente sencilla: calcular cada vez más información. Más polígonos permitían crear modelos más complejos, más píxeles aumentaban la definición de la imagen, más muestras mejoraban la iluminación y una mayor potencia de cálculo hacía posible aplicar efectos que antes estaban reservados al renderizado profesional. Ese camino sigue siendo importante, pero tecnologías como DLSS 4.5 Ray Reconstruction demuestran que ya no es el único.

El trazado de rayos ofrece un buen ejemplo de este cambio. La forma más directa de conseguir una imagen mejor mediante ray tracing sería lanzar muchos más rayos y utilizar una gran cantidad de muestras por píxel. El resultado convergería progresivamente hacia una iluminación más limpia y precisa, pero el coste computacional crecería hasta niveles incompatibles con las exigencias de un videojuego en tiempo real. Incluso las GPU actuales necesitan trabajar con una fracción de la información que utilizaríamos si el tiempo y la potencia disponibles no fueran una limitación.

La inteligencia artificial permite abordar el problema desde otra dirección. En lugar de preguntarnos únicamente cuántas muestras podemos calcular, podemos intentar extraer mucha más información útil de cada una de ellas. Ray Reconstruction recibe muestras de rayos, datos espaciales, vectores de movimiento e información acumulada de fotogramas anteriores, y utiliza todo ese material para reconstruir una imagen mucho más completa de la que permitiría obtener directamente el número de rayos calculados. NVIDIA unifica además el denoising y la Super Resolution dentro del mismo modelo, de manera que la reconstrucción de la iluminación y la generación de la imagen de alta resolución forman parte de un único proceso neuronal.

Es importante puntualizar, eso sí, que esto no significa que la inteligencia artificial esté sustituyendo al motor gráfico ni que esté creando libremente aquello que vemos en pantalla. El punto de partida sigue siendo información real generada por el juego: geometría, movimiento, color, muestras calculadas mediante ray tracing y datos procedentes de la evolución temporal de la escena. El modelo neuronal debe interpretar esos elementos y determinar cómo combinarlos para aproximarse lo máximo posible a una referencia que exigiría una cantidad de cálculo muchísimo mayor.

Ahí encontramos una de las diferencias más importantes entre generar contenido y reconstruir información. DLSS 4.5 Ray Reconstruction no necesita imaginar cómo debería iluminarse arbitrariamente una superficie. El motor ya proporciona muestras de cómo se comporta esa luz, junto con datos que describen la escena. El Transformer utiliza su entrenamiento para identificar cuáles son las muestras más fiables, relacionarlas espacial y temporalmente y construir a partir de ellas una representación más estable y detallada.

El Transformer de segunda generación representa un paso adelante precisamente porque mejora esa capacidad de interpretación. NVIDIA ha aumentado tanto el número de parámetros como la capacidad de cálculo del modelo, ha ampliado su conjunto de entrenamiento y ha mejorado la forma en la que utiliza el muestreo y los datos de movimiento proporcionados por los motores gráficos. Cada una de esas mejoras apunta en la misma dirección: hacer que la reconstrucción dependa menos de reglas rígidas y tenga más capacidad para entender el contexto específico de cada escena.

El resultado encaja dentro de lo que conocemos como renderizado neuronal, un paradigma en el que las redes neuronales participan cada vez más activamente en la creación de la imagen final. DLSS Super Resolution demostró hace años que no era imprescindible renderizar todos los píxeles a resolución nativa para conseguir una imagen de alta calidad. Frame Generation amplió posteriormente esa filosofía al dominio temporal, y Ray Reconstruction hace algo parecido con la información producida por el trazado de rayos: no necesitamos calcular todas las muestras que contendría una referencia ideal si somos capaces de reconstruir de forma suficientemente precisa la información que falta.

Esta evolución tiene una consecuencia especialmente importante para el path tracing. Cuanto más completa es la simulación de iluminación que queremos realizar, mayor es la cantidad de cálculo necesaria y más difícil resulta resolverla únicamente mediante fuerza bruta. Las mejoras en GPU seguirán permitiendo lanzar más rayos y procesar más rebotes, pero una reconstrucción cada vez mejor hace posible que cada incremento de potencia produzca resultados mucho más útiles, porque las muestras generadas se aprovechan con mayor eficiencia.

Podemos imaginarlo como dos líneas de progreso que avanzan al mismo tiempo. Por un lado, el hardware permite calcular una cantidad creciente de información física sobre la escena. Por otro, los modelos neuronales se vuelven más capaces de reconstruir aquello que todavía no podemos permitirnos calcular directamente. El verdadero salto aparece cuando ambas evoluciones se complementan: mejores rayos proporcionan mejores datos al modelo y una reconstrucción más inteligente extrae más calidad de esos datos.

DLSS 4.5 Ray Reconstruction resulta especialmente interesante porque esta evolución no se limita al hardware más reciente. Todas las generaciones GeForce RTX pueden utilizar la tecnología, aunque las arquitecturas modernas la ejecuten con mayor eficiencia. Esto convierte los modelos neuronales en una nueva vía de mejora gráfica que puede continuar evolucionando incluso después de que una tarjeta gráfica haya llegado al mercado.

Y probablemente ahí se encuentre una de las ideas más importantes que nos deja esta tecnología. Tradicionalmente, una GPU salía de fábrica con unas capacidades gráficas que permanecerían esencialmente invariables durante toda su vida útil. Ahora una parte cada vez mayor de la calidad final depende también de modelos que pueden seguir entrenándose y perfeccionándose años después. El hardware no cambia, pero la forma en la que aprovechamos sus recursos sí puede hacerlo.

DLSS 4.5 Ray Reconstruction es una demostración especialmente clara de ese potencial. El nuevo Transformer no aumenta el número de rayos que genera el motor, pero consigue aprovechar mejor las muestras existentes; no elimina la necesidad de potencia gráfica, pero hace que esa potencia sea más productiva; y no sustituye al path tracing, sino que ayuda a convertir una técnica extremadamente exigente en algo cada vez más viable para el renderizado en tiempo real.

Por eso creo que sería un error valorar esta tecnología únicamente preguntándonos si un determinado reflejo se ve algo más definido o si desaparece una pequeña estela en una escena concreta. Esas mejoras son importantes y, como hemos visto, pueden ser muy visibles, pero lo verdaderamente relevante está en el cambio de paradigma que representan. Los gráficos del futuro no dependerán únicamente de cuánto podamos calcular, sino también de hasta qué punto podamos reconstruir inteligentemente aquello que todavía queda fuera de nuestro presupuesto computacional.

El trazado de rayos seguirá evolucionando, las GPU serán cada vez más rápidas y podremos utilizar más muestras, más rebotes y efectos de iluminación más complejos. Pero tecnologías como DLSS 4.5 Ray Reconstruction permiten que esa evolución avance mucho más deprisa al multiplicar el valor de la información que ya somos capaces de generar. El futuro del ray tracing no pasa únicamente por lanzar más rayos. Pasa también, y cada vez en mayor medida, por aprender a aprovechar mucho mejor cada uno de ellos.

Más información