CyberXeSS项目在Control游戏中的FSR3/FSR4兼容性问题分析
背景介绍
CyberXeSS是一个开源的图像超分辨率技术项目,旨在为游戏提供类似DLSS和FSR的超采样解决方案。近期有用户反馈在《Control Ultimate Edition》游戏中,使用该项目时遇到FSR3切换崩溃和FSR4不可用的问题。
问题现象
当用户在Windows 11系统下运行最新版本的《Control Ultimate Edition》时,尝试切换到FSR3模式会导致游戏崩溃。同时,用户界面中缺少FSR4选项。临时解决方案是将Fsr4Update参数设置为false,但这意味着无法使用更先进的FSR4功能。
技术分析
根本原因
经过项目维护者分析,该问题源于两个关键因素:
-
游戏更新影响:最新版的《Control》游戏整合了非官方的HDR模组,这个改动破坏了CyberXeSS中FSR4功能的兼容性。
-
DLSS实现特殊性:《Control》游戏采用了非标准的DLSS实现方式,这导致图像处理管线与常规游戏不同。历史上就存在无法更新DLSS动态链接库的问题,这种特殊性也影响了FSR技术的集成。
历史兼容性问题
值得注意的是,《Control》与CyberXeSS的兼容性问题由来已久:
- 在非官方HDR模组出现前,CyberXeSS在《Control》中的运行就存在问题
- 非官方HDR模组最初解决了基本兼容性问题,但FSR4功能始终未能正常工作
- 游戏官方整合HDR模组后,反而导致FSR4完全失效
解决方案与变通方法
临时解决方案
-
禁用FSR4更新:在配置中将Fsr4Update参数设为false,可以暂时使用FSR3功能。
-
游戏版本回退:通过Steam控制台命令回退到旧版本游戏(适用于终极版):
download_depot 870780 870782 8361276401184920724
图像质量优化建议
对于遇到图像像素化问题的用户,可以尝试以下设置调整:
- 使用非线性sRGB输入模式
- 尝试PQ(感知量化)输入模式
- 调整锐化参数以获得更自然的图像效果
未来发展
项目维护者表示,由于目前团队缺乏RDNA4架构GPU设备,短期内可能难以针对《Control》的FSR4问题进行优化。建议关注项目更新日志,等待后续版本可能提供的兼容性修复。
结论
《Control》游戏因其特殊的图像处理管线实现,与CyberXeSS项目的兼容性一直存在挑战。用户在现阶段可以采取版本回退或参数调整等临时解决方案,但完全兼容可能需要等待游戏或CyberXeSS项目的进一步更新。这个案例也凸显了游戏图像技术集成中的复杂性,特别是当涉及多种超分辨率技术的交叉兼容时。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0127
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python07
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07