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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00