新闻详情

新闻详情

首页 / 资讯中心 / 详情

OptiScaler 使用教程:DLSS、FSR、XeSS 自由切换,老游戏还能补帧

发布时间:2026/11/16 16:08:09来源:尧图网络
OptiScaler 使用教程:DLSS、FSR、XeSS 自由切换,老游戏还能补帧
OptiScaler 使用教程DLSS、FSR、XeSS 自由切换老游戏还能补帧【免费下载链接】OptiScalerOptiScaler bridges upscaling/frame gen across GPUs. Supports DLSS2/XeSS/FSR2 inputs, replaces native upscalers, enables FSR-FG/XeFG on non-FG titles. Supports Nukem mod for DLSSG-to-FSR3 FG.项目地址: https://gitcode.com/GitHub_Trending/op/OptiScalerOptiScaler 是一款开源的游戏超采样与帧生成工具。游戏只认 FSR 时它能接上 DLSS 或 XeSS没有帧生成的 DX12 游戏也能补上帧生成。适合第一次接触、想按自己显卡挑超采样后端的玩家。快速开始安装 OptiScaler 与打开游戏内菜单 日常使用优先拿预编译包放进游戏根目录启动游戏即生效。想自己编译的话需要 Visual Studio 2022拉仓库时必须带上全部子模块再打开 OptiScaler.sln 执行编译git clone https://gitcode.com/GitHub_Trending/op/OptiScaler进游戏后靠键盘操作按键作用Insert调出含全部选项的浮层菜单Alt InsertInsert 无反应时换这个多见于特殊键盘布局Page Up左上角弹出性能统计面板Page Down循环切换统计的显示模式换绑有两条路浮层菜单里的 Keybinds 一节直接改或者写进 INI 的ShortcutKey。提醒联机游戏里别开有触发反作弊的风险。提醒项目没有官网也不存在管理器 App凡是要付费的下载渠道都是骗局。原理速览输入与输出怎么分OptiScaler 就像接口上的转接头游戏插的还是原来的口电流实际流向哪由你定。术语含义Input游戏图形设置里原本选中的超采样即游戏认定的调用对象Output你在 OptiScaler 浮层里实际选定的后端帧生成也是同样的拆法FG Input 指游戏设置里的帧生成开关FG Output 指实际生效的帧生成后端v0.9.0 起两者分家。超采样技术选型按图形 API 查可用后端前提先说清游戏自身得接了 DLSS 2、FSR 2 或 XeSS 的输入那是 OptiScaler 能拦下来的Input。游戏完全不用超采样的不在覆盖范围。图形 API可用后端默认限制条件DirectX 12XeSS、FSR 2.1.2、FSR 2.2.1、FSR 3.X含 FSR 2.3.X、FSR 4.X、DLSSXeSSFSR 4.X 官方仅支持 RDNA4 与 RDNA3 独显DirectX 11原生FSR 2.2.1、FSR 3.1.2、DLSS、XeSS 2.XFSR 2.2.1原生 XeSS 限 Intel ArcFSR 3.1.2 为非官方移植DirectX 11经 D3D11on12XeSS、FSR 2.1.2、FSR 2.2.1、FSR 3.X、FSR 4.X—借一个后台 DX12 设备跑帧率代价 10%~15%VulkanFSR 2.1.2、FSR 2.2.1、FSR 3.1含 FSR 2.3.2、DLSS、XeSS 2.X、FSR 4.XFSR 2.1.2FSR 4.X 走 FSR 3.X/4 的 DX12 互操作另外两条注意点UE 游戏目前只有 UE 的 XeSS 输入能被替换成 Opti 自家 XeSS 或 FSR 4。FSR 2 和 FSR 3 走的是自定义接口游戏端怎么实现决定表现部分 UE 游戏要手改 INI 才行。画面调优清单锐化、分辨率与微调下面每项在浮层菜单里都有对应滑块能实时预览。锐化各后端开锐化的方式不一样FSR锐化是内置的用游戏自带滑杆即可。DLSS锐化入口时隐时现先在 OptiScaler 里打开 OverrideSharpness再调 Sharpness。Sharpness 默认 0.3范围 0.0~1.0常用区间 0.2~0.3超过 0.35 边缘光晕和过锐容易出现写实题材 0.2~0.3 就够。XeSS自身不带锐化必须开启 CAS 才有。RCAS 和 MAS运动自适应锐化在全部 DX12、DX11 后端上可用可以叠在任何后端之上再补一档。分辨率Output ScalingDX12 与 DX11 后端0.5x~3.0x不改变窗口分辨率只把渲染分辨率往指定倍数上收或放做更细的控制。伪超采样开启后先用 SuperSamplingMultiplier 算出更高的目标分辨率默认 2.5范围 0.0~5.0上采样出高清图再降回窗口分辨率。画质能逼近 DLAA但帧率会掉。强制比例打开 UpscaleRatioOverride 后所有预设统一用一个比例默认【免费下载链接】OptiScalerOptiScaler bridges upscaling/frame gen across GPUs. Supports DLSS2/XeSS/FSR2 inputs, replaces native upscalers, enables FSR-FG/XeFG on non-FG titles. Supports Nukem mod for DLSSG-to-FSR3 FG.项目地址: https://gitcode.com/GitHub_Trending/op/OptiScaler创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉