蘋果。
看到上面這兩個字，你是否想到了 一個又大又紅的蘋果？
然而上面這兩個字裏面有任何關於顏色和形狀的資訊嗎？
傳統的插值超分辨率，是透過原本的像素，計算出其之間的像素。比如，左邊一個黑色像素，右邊一個白色像素，那麽中間插入一個灰色像素（黑加白除2），完成過渡，並提高了分辨率。
然而，其實這個中間的像素，很可能並不是灰色，甚至是紅色。但是你是沒有辦法用線性插值的方法算出這個來的。因為這部份資訊已經（因為分辨率不足）完全遺失了。
那麽怎麽辦呢？放棄線性插值，改為匹配。匹配就是死記硬背，用模式去套，找一個最接近的。給電腦看很多很多的圖，然後讓電腦用統計的方式找到，當左邊是黑色右邊是白色的時候，中間是什麽顏色的機率最大，就選這個顏色。
這就是DLSS的原理。
當然，僅僅看左邊右邊兩個像素樣本量太小，中間的可能性太多，不確定性太大，容易出錯。所以真正的演算法裏面是看很多很多周邊的像素，找出一個最為接近的規律。
這就是DLSS的訓練。DLSS本身是幾乎即時的，但是訓練是要耗費很大計算力的，就是給演算法看很多很多遊戲的圖片，讓它記住規律。
然後，就可以起到類似說「蘋果」就能想象出整個蘋果的效果。
也就是，遊戲只需要輸出一個低分辨率的影像，DLSS就能憑著它的訓練記憶將其P成一幅高分辨率的影像。
聽起來很神奇是吧，其實就是這些年很紅的機器學習/神經網路的一種套用，本質上就是想模仿人類的經驗系統。
一句話回答的話：本質就是腦補。這裏的腦，是GPU。
