DLSS(ディーエルエスエス)とは | 意味や読み方など丁寧でわかりやすい用語解説

DLSSとは、NVIDIAが開発したDeep Learning Super Samplingの略称であり、ディープラーニング（深層学習）を活用してゲームのグラフィックス性能と画質を向上させる技術だ。特に高解像度でのゲームプレイにおいて、高いフレームレートを維持しながら高品質な映像を出力することを可能にする。この技術は、NVIDIAのGeForce RTXシリーズのグラフィックス処理ユニット（GPU）に搭載されている専用のAIプロセッサ「Tensorコア」を必要とする。

DLSSの基本的な仕組みは、ゲームが内部で低い解像度で画像をレンダリングし、その画像をAIが超解像処理によって目的とする高い解像度へとアップスケールするというものだ。たとえば、ユーザーが4K解像度でゲームをプレイしたい場合、GPUは実際にはフルHD（1080p）程度の解像度で画像を生成し、その生成された画像をDLSSがAIの力で4K解像度へと引き伸ばす。この際、単に画像を拡大するだけでなく、ディープラーニングモデルが低解像度の画像から失われたディテールを予測・補完し、より鮮明で自然な高解像度画像を再構築する。

このAIによるアップスケーリングを実現するために、NVIDIAはスーパーコンピューター上で、膨大な数の超高解像度な「理想的な」ゲーム画像を生成し、それらを意図的に低解像度化した画像とペアにして、ディープラーニングモデルをトレーニングしている。このトレーニングによって、モデルは低解像度の画像からどのように高解像度の画像を再構築すれば最も高品質になるかを学習する。トレーニングされたモデルは、GPUドライバーを通じてユーザーのPCに配信され、GPUのTensorコアがそのモデルを実行することで、リアルタイムでの超解像処理を可能にする。また、この処理には現在のフレームの低解像度画像だけでなく、直前のフレームの情報や、画面上のオブジェクトがどのように動いているかを示すモーションベクトルといったデータも利用されるため、時間的な安定性と詳細の再現性が向上する。

DLSSを導入する主なメリットは二つある。一つはパフォーマンスの劇的な向上だ。GPUが低い解像度でレンダリングすることで、処理負荷が大幅に軽減され、結果としてより高いフレームレートでのゲームプレイが可能になる。これは、特にレイトレーシングのような負荷の高いグラフィック技術と併用する際に絶大な効果を発揮する。二つ目は画質の向上だ。AIによるアップスケーリングは、従来の単純な拡大処理とは異なり、ディテールを賢く補完するため、多くのケースでネイティブの高解像度レンダリングに匹敵する、あるいはそれ以上の視覚品質を提供する。特に、アンチエイリアシング（画像のギザギザを滑らかにする処理）の効果も高く、映像をより滑らかに見せる効果がある。

一方で、いくつかのデメリットや制約も存在する。最も大きな制約は、NVIDIA GeForce RTXシリーズのGPU（RTX 20シリーズ以降）でのみ利用可能である点だ。これは、DLSSがTensorコアというAI専用ハードウェアに依存しているためだ。また、DLSSを利用するためには、ゲーム側がこの技術に対応している必要がある。すべてのゲームで利用できるわけではないが、主要なタイトルでの対応は広がっている。ごく稀に、AIが生成した画像に不自然なディテールやアーティファクト（画像ノイズのようなもの）が見られる場合もあるが、これは初期バージョンに比べて大幅に改善されており、ほとんどの状況で問題になることは少ない。

DLSSはバージョンを重ねるごとに進化してきた。初期のDLSS 1.0は対応ゲームや画質に課題があったが、DLSS 2.0で汎用性が向上し、画質とパフォーマンスが飛躍的に改善された。DLSS 3.0では、GeForce RTX 40シリーズGPUに搭載された新しいハードウェア機能とAI技術を組み合わせることで、「フレーム生成」という画期的な技術を導入した。これは、既存のフレームとフレームの間にAIが新たなフレームを生成して挿入することで、GPUのレンダリング能力を超えてフレームレートをさらに向上させるものだ。さらに、DLSS 3.5では「Ray Reconstruction」という技術が導入され、レイトレーシングのノイズ除去と画質を向上させ、よりリアルな光の表現を実現する。

DLSSは、コンピューターグラフィックスとディープラーニングの融合によって、高性能なゲーム体験をより多くのユーザーに提供するための重要な技術だ。今後もAI技術の進化とともに、その性能と画質はさらなる改善が期待される。この技術は、グラフィックスレンダリングの新しい方向性を示しており、システムエンジニアを目指す者にとっても、現代のコンピューティングにおけるAIの応用例として理解しておくべき重要な知識の一つと言えるだろう。