Esta web utiliza cookies para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a nuestra web o ayudar a nuestro equipo a comprender qué secciones de la web encuentras más interesantes y útiles.
¿Cómo funciona DLSS 5? Recibe la imagen creada por el motor junto con datos como el albedo, las normales y los vectores de movimiento. Un modelo neuronal especializado mejora su apariencia fotograma a fotograma sin sustituir la escena original.
Autor: Juan Ignacio Pascual «Jota», director del área de Unreal Engine de The Factory School
Índice de Contenidos
NVIDIA utilizó su keynote de SIGGRAPH 2026 para presentar DLSS 5 como una nueva etapa del renderizado neuronal. La inteligencia artificial deja de limitarse a reconstruir imágenes, reducir ruido o generar fotogramas intermedios, ahora también puede intervenir en la apariencia final del render.
El motor gráfico continúa definiendo la geometría, la cámara, los materiales, la iluminación y el movimiento de la escena. Después, un modelo neuronal recibe el fotograma y diferentes datos internos del renderer para enriquecer su apariencia sin modificar el contenido creado por el equipo.
En DLSS 5: qué es y cómo cambiará el renderizado en tiempo real se explica el alcance general de esta tecnología. En este artículo voy a analizar su funcionamiento técnico, los datos que utiliza y los retos que supone introducir un modelo generativo dentro de una aplicación interactiva como puede ser Unreal Engine. Este tipo de pipeline, desde la construcción de la escena hasta su iluminación, optimización e interacción, se trabaja en el Máster en Unreal Engine 5.
De reconstruir una imagen a generar su apariencia
NVIDIA distingue tres formas principales de utilizar inteligencia artificial en gráficos: reconstrucción, aproximación de funciones y generación.
La reconstrucción intenta recuperar una imagen de mayor calidad a partir de una señal incompleta o limitada. DLSS Super Resolution parte de una resolución inferior para producir una imagen final más detallada. Ray Reconstruction utiliza información espacial y temporal para reconstruir señales de iluminación y reflejos generados mediante ray tracing.
En estos casos existe una referencia teórica. El modelo intenta aproximarse a la imagen que habría producido el renderer con más resolución, más muestras o un cálculo menos ruidoso.
La aproximación de funciones utiliza pequeñas redes neuronales para sustituir operaciones gráficas costosas. El modelo aprende a imitar determinados cálculos de iluminación o materiales sin ejecutar todo el proceso tradicional.
DLSS 5 introduce la generación como una tercera categoría. El modelo ya no trata únicamente de recuperar una referencia, sino que genera parte de la apariencia final a partir del fotograma renderizado.
Esto significa que pueden existir varias soluciones visualmente plausibles. Por ese motivo, NVIDIA sitúa la dirección artística como nuevo ground truth. El resultado correcto no depende solo de una referencia matemática, sino de que respete la intención visual y narrativa del proyecto.
El fotograma renderizado como señal de control
Los modelos generativos suelen dirigirse mediante prompts, imágenes de referencia, bocetos, mapas de profundidad o representaciones 3D simplificadas. Estas señales permiten orientar el resultado, pero dejan un margen importante de interpretación.
En un proceso offline se pueden generar varias imágenes y escoger la mejor. En una aplicación interactiva, el fotograma producido por el modelo es el que verá directamente el usuario.
DLSS 5 utiliza como condición principal el fotograma que acaba de crear el propio renderer. No es una descripción aproximada, sino una imagen alineada píxel a píxel con la salida que debe mostrarse. Ese fotograma ya contiene las principales decisiones del proyecto:
- La posición de la cámara y el encuadre.
- La identidad y la pose de los personajes.
- La ubicación de cada objeto.
- La iluminación de la escena.
- La composición y la relación entre figuras y fondo.
El modelo no necesita decidir qué elementos existen o dónde deben aparecer, recibe una escena ya construida y concentra su intervención en la apariencia.
Esto reduce la libertad de improvisación, aunque no la elimina por completo. Un mismo render puede enriquecerse de varias formas creíbles. Por ello, el fotograma funciona como primera capa de control, pero el artista sigue necesitando decidir qué modelo utilizar, dónde aplicarlo y con qué intensidad.
Esta necesidad de conservar la cámara, la geometría, los materiales y la composición resulta especialmente importante en visualización arquitectónica, donde cualquier enriquecimiento generado por inteligencia artificial debe respetar el diseño original. El Máster en Unreal Engine 5 para Arquitectura aborda la creación de escenas arquitectónicas en tiempo real manteniendo ese control sobre la iluminación, los materiales y la experiencia final.
Qué información recibe DLSS 5 del renderer
El fotograma de color contiene mucha información visual, pero no explica de forma explícita cómo está construida la escena. Para conservar la identidad de los objetos y comprender mejor sus superficies, DLSS 5 utiliza otros datos producidos por el motor.
Durante la presentación, NVIDIA mencionó el albedo, las normales, parte de la información de iluminación y los vectores de movimiento.
- El albedo representa el color base de una superficie sin incluir luces, sombras o reflejos. Esto permite distinguir entre un material oscuro y una superficie clara que se encuentra en sombra. El modelo puede mejorar la iluminación sin alterar el diseño original del material.
- Las normales de superficie indican hacia dónde está orientada cada zona de la geometría. Esta información ayuda a comprender el volumen, los bordes y la relación entre las superficies y la luz.
- Los datos de iluminación permiten diferenciar la estructura del contenido de su apariencia lumínica. Dentro de esas restricciones, el modelo puede enriquecer fenómenos como el subsurface scattering, la transmisión de luz, los reflejos, la iluminación ambiental o las sombras de contacto.
- Los vectores de movimiento describen cómo se desplazan los objetos y los píxeles entre fotogramas. Son fundamentales para mantener los detalles asociados a la superficie correcta cuando se mueve la cámara o se reproduce una animación.
A partir de estas señales, DLSS 5 puede interpretar contextos visuales como piel, cabello, vidrio, metal, tejidos o vegetación. No aplica la misma transformación a toda la imagen, sino que adapta su respuesta al material, la iluminación y el contenido de cada zona.
En Unreal Engine, buena parte de esta información se genera durante el renderizado y se almacena en diferentes buffers. En los pipelines diferidos, el GBuffer reúne datos relacionados con las normales, la profundidad y las propiedades de las superficies. Estas señales permiten que técnicas posteriores interpreten la escena sin depender únicamente del color final y explican por qué un motor moderno puede proporcionar al modelo neuronal un contexto mucho más preciso que una simple imagen.
Procesamiento causal y coherencia temporal
Muchos modelos generativos de vídeo trabajan con grupos de fotogramas. Analizan una secuencia completa y utilizan información anterior y posterior para mantener la continuidad.
Un entorno interactivo no puede esperar a disponer de imágenes futuras. Cuando el usuario mueve la cámara o activa una animación, el motor debe responder inmediatamente.
DLSS 5 funciona de forma causal, recibe un fotograma y produce otro sin consultar fotogramas posteriores. NVIDIA lo presentó como un flujo de una imagen de entrada y una imagen de salida.
Este funcionamiento mantiene la capacidad de respuesta, pero dificulta la estabilidad temporal. El modelo debe evitar que los detalles generados cambien de forma arbitraria entre fotogramas consecutivos.
Entre los principales artefactos temporales se encuentran:
- Shimmer: parpadeos en bordes, texturas o detalles finos.
- Drifting: desplazamiento progresivo de un detalle respecto al objeto.
- Swimming: sensación de que la apariencia flota o se deforma sobre una superficie.
Una imagen aislada puede parecer fotorrealista y, sin embargo, resultar inutilizable en movimiento. La piel no puede cambiar durante una animación, las hojas no deberían parpadear y los reflejos deben permanecer asociados a las superficies correctas.
DLSS 5 utiliza los vectores de movimiento y la información temporal del renderer para mantener los detalles estables mientras procesa la escena fotograma a fotograma.
Un modelo generativo dentro del presupuesto del frame
El otro gran obstáculo es el rendimiento. Los modelos generativos capaces de producir imágenes fotorrealistas suelen ser grandes, generalistas y lentos.
Una imagen 4K contiene aproximadamente ocho millones de píxeles. A 60 fotogramas por segundo, cada imagen debe completarse en menos de 16,7 milisegundos.
Durante ese mismo tiempo también se ejecutan la lógica del proyecto, las físicas, la animación, la iluminación, el ray tracing, el postprocesado y el resto del pipeline gráfico.
Para introducir generación neuronal dentro de ese presupuesto, NVIDIA ha recurrido a la destilación. El conocimiento visual de modelos fundacionales mucho mayores se transfiere a una red más compacta y especializada.
El modelo resultante pierde generalidad. No está diseñado para crear cualquier escena a partir de texto o cambiar la composición. Su tarea es mucho más concreta: recibir un fotograma renderizado y enriquecer su apariencia.
NVIDIA lo define como un diffusion transformer de un solo paso en espacio de píxel. Que sea de un solo paso significa que no necesita ejecutar numerosas iteraciones para refinar la imagen. La salida se obtiene mediante una inferencia especializada, reduciendo la latencia.
El trabajo en espacio de píxel facilita su relación con el fotograma y con buffers como el albedo, las normales o los vectores de movimiento.
La arquitectura transformer permite interpretar relaciones más amplias dentro de la escena. El modelo puede reconocer que una zona pertenece a un personaje, una superficie de vidrio, una hoja o una pieza metálica y generar una respuesta diferente en cada caso.
Por eso DLSS 5 no debe entenderse como un filtro. Un filtro aplica una transformación predefinida sobre el color o el contraste, en cambio DLSS 5 interpreta el contenido y genera una respuesta condicionada por la escena.
Cómo podría integrarse DLSS 5 en Unreal Engine
NVIDIA todavía no ha mostrado una interfaz definitiva de DLSS 5 dentro de Unreal Engine. Su posible integración debe entenderse como una interpretación técnica basada en la arquitectura presentada y en las herramientas que ya ofrece el motor.
Unreal Engine produce buena parte de las señales necesarias. Scene Color contiene la imagen renderizada, mientras que el GBuffer almacena información sobre normales, profundidad y propiedades de los materiales. El motor también genera motion vectors y dispone de mecanismos para aislar actores o superficies.
Una posible integración tendría que recoger estos datos después de generar el render base y ejecutar el modelo antes de presentar la imagen final. El orden respecto al tonemapping, los efectos de cámara, la interfaz y otros procesos de composición será una decisión importante.
Las máscaras también tendrán un papel fundamental. Unreal Engine dispone de herramientas como Custom Depth y Custom Stencil, además de layers, tags e identificadores que podrían utilizarse para seleccionar objetos o grupos de elementos.
Esto permitiría aplicar tratamientos distintos a personajes, vegetación, materiales translúcidos o elementos protagonistas. Una parte de la escena podría recibir una mayor intensidad, mientras el resto se mantiene más cerca del render original.
La selección de modelos y parámetros también podría relacionarse con cámaras, niveles, Post Process Volumes o secuencias creadas con Sequencer. Una cinemática podría utilizar una configuración diferente a la empleada durante una experiencia interactiva.
Estas posibilidades todavía no han sido confirmadas como funciones concretas dentro del editor. NVIDIA ha demostrado controles de intensidad, autoenmascarado semántico y máscaras producidas por el motor, pero todavía no ha explicado cómo se implementarán en Unreal Engine.
Su integración no debería entenderse, por tanto, como una simple opción gráfica. DLSS 5 podría convertirse en una capa de dirección visual que afecte a la configuración de escenas, cámaras, materiales y secuencias.
El Máster en Unreal Engine 5 aborda los fundamentos necesarios para construir, iluminar y optimizar experiencias en tiempo real. Estas bases seguirán siendo esenciales porque DLSS 5 depende de la calidad de la escena producida por el motor.
DLSS 5 añade una nueva vía para aumentar el realismo
Hasta ahora, mejorar la fidelidad visual implicaba aumentar el trabajo realizado por el renderer: más geometría, más resolución, más muestras, más rayos o simulaciones más precisas.
DLSS 5 añade una segunda vía, la calidad también puede mejorar mediante la evolución del modelo neuronal y de su entrenamiento. Un conjunto de datos más completo, una función de pérdida más eficaz o un proceso de entrenamiento más avanzado pueden producir mejores imágenes sin aumentar necesariamente el coste del modelo durante la ejecución.
Esto no reduce la importancia del render base. La geometría, los materiales, la iluminación y los vectores de movimiento continúan proporcionando el anclaje necesario para que el modelo trabaje con precisión.
DLSS 5 no sustituye a la rasterización, el ray tracing o el path tracing. Añade una etapa generativa sobre estos sistemas y combina simulación, inteligencia artificial y dirección artística dentro de un mismo pipeline.
También puede interesarte:
DLSS 5: qué es y cómo cambiará el renderizado en tiempo real
Texturas para Unreal Engine con IA y ComfyUI: el salto hacia materiales PBR más inteligentes
Imágenes extraídas de los materiales presentados por NVIDIA.
Preguntas Frecuentes
Preguntas frecuentes sobre el funcionamiento de DLSS 5
Utiliza el fotograma renderizado y puede apoyarse en datos como el albedo, las normales, la iluminación y los vectores de movimiento.
Significa que procesa los fotogramas en orden y no necesita conocer imágenes futuras. Recibe un fotograma y genera el siguiente.
Es un modelo generativo especializado que produce la imagen mediante una única inferencia principal, reduciendo la latencia frente a los modelos de difusión convencionales.
No. NVIDIA plantea el fotograma renderizado como una señal disponible en pipelines de rasterización, ray tracing, path tracing o soluciones híbridas.
El GBuffer puede proporcionar información alineada con el fotograma sobre normales, profundidad y materiales. La integración definitiva todavía no se ha mostrado.