CyberXeSS项目:解析《博德之门3》分屏模式下FSR4/XeSS渲染异常问题
2025-06-30 00:53:30作者:申梦珏Efrain
问题现象分析
在《博德之门3》Patch 8版本中,当使用CyberXeSS工具启用FSR4或其他升频技术时,分屏模式下的第二玩家画面会出现仅显示UI元素而背景黑屏的异常现象。这一问题特别出现在AMD Radeon RX 7900 XT显卡搭配Windows 11系统的环境中。
技术背景
现代升频技术(FSR/XeSS/DLSS)在分屏渲染场景中存在固有局限性。这些技术通过分析前后帧信息进行超分辨率重建,而分屏模式下相当于同时处理两个独立视角,这对升频算法提出了特殊挑战:
- 视口识别困难:升频算法需要准确识别不同视口的运动向量
- 资源分配问题:显存和计算资源需要在两个视图间合理分配
- 时间稳定性:需要保持两个视图的TAA时间稳定性互不干扰
问题根源
通过日志分析和测试验证,发现《博德之门3》在DX11转DX12的兼容层中使用了基础偏移值(base offsets),这是导致FSR系列升频技术失效的关键原因:
- FSR对分屏场景的支持有限,特别是对基础偏移值的处理不够完善
- XeSS由于采用不同的实现机制,能够部分兼容这种渲染方式
- 游戏本身并非原生支持这些升频技术,而是通过转换层实现
解决方案探索
测试发现以下工作方式:
-
XeSS+Dx12模式:能够正确渲染两个分屏视图,但存在以下不足:
- 图像质量相比FSR2有所下降
- GPU占用率更高
- 性能表现不如预期
-
FSR3.1/4.0:虽然单机模式下表现优异,但在分屏场景中:
- 完全无法渲染第二玩家画面
- 部分情况下甚至影响主玩家视图
技术建议
对于需要在《博德之门3》中使用分屏模式的玩家,建议:
- 分屏游戏时暂时使用XeSS升频
- 单机游戏时可切换回FSR获取更好体验
- 期待游戏开发商未来提供原生升频技术支持
未来展望
从技术发展角度看,解决此类问题需要:
- 游戏引擎原生支持现代升频技术
- 升频算法针对分屏场景进行专项优化
- 显卡驱动层面提供更好的多视图支持
目前CyberXeSS项目已确认此问题属于游戏本身实现限制,暂时无法通过外部工具完美解决。建议玩家根据实际使用场景灵活选择升频方案。
登录后查看全文
热门项目推荐
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 StartedRust0450
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
XianyuAutoAgent智能闲鱼客服机器人系统:专为闲鱼平台打造的AI值守解决方案,实现闲鱼平台7×24小时自动化值守,支持多专家协同决策、智能议价和上下文感知对话。Python03
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX026
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0313
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++00
项目优选
收起
暂无描述
Markdown
828
5.49 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
518
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
786
1.58 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
803
1.14 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
973
2.29 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
483
313
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.02 K
769
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.27 K
814
CANN 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 Notebook
652
288