苹果。
看到上面这两个字，你是否想到了 一个又大又红的苹果？
然而上面这两个字里面有任何关于颜色和形状的信息吗？
传统的插值超分辨率，是通过原本的像素，计算出其之间的像素。比如，左边一个黑色像素，右边一个白色像素，那么中间插入一个灰色像素（黑加白除2），完成过渡，并提高了分辨率。
然而，其实这个中间的像素，很可能并不是灰色，甚至是红色。但是你是没有办法用线性插值的方法算出这个来的。因为这部分信息已经（因为分辨率不足）完全丢失了。
那么怎么办呢？放弃线性插值，改为匹配。匹配就是死记硬背，用模式去套，找一个最接近的。给电脑看很多很多的图，然后让电脑用统计的方式找到，当左边是黑色右边是白色的时候，中间是什么颜色的概率最大，就选这个颜色。
这就是DLSS的原理。
当然，仅仅看左边右边两个像素样本量太小，中间的可能性太多，不确定性太大，容易出错。所以真正的算法里面是看很多很多周边的像素，找出一个最为接近的规律。
这就是DLSS的训练。DLSS本身是几乎实时的，但是训练是要耗费很大计算力的，就是给算法看很多很多游戏的图片，让它记住规律。
然后，就可以起到类似说「苹果」就能想象出整个苹果的效果。
也就是，游戏只需要输出一个低分辨率的图像，DLSS就能凭着它的训练记忆将其P成一幅高分辨率的图像。
听起来很神奇是吧，其实就是这些年很红的机器学习/神经网络的一种应用，本质上就是想模仿人类的经验系统。
一句话回答的话：本质就是脑补。这里的脑，是GPU。
