革命性超分辨率方案OptiScaler:打破DLSS垄断,让AMD/Intel显卡也能享受顶级画质
还在为NVIDIA显卡独占DLSS技术而烦恼吗?想让你的AMD或Intel显卡也能享受顶级超分辨率画质?OptiScaler正是为你量身定制的革命性解决方案!
读完本文你将获得:
- OptiScaler核心功能全解析
- 多平台超分辨率技术兼容指南
- 一键安装配置实战教程
- 画质优化与性能调校秘籍
什么是OptiScaler?
OptiScaler是一个开源的DLSS替代方案,通过中间人技术让非NVIDIA显卡也能使用XeSS、FSR2、DLSS等多种超分辨率技术。它完美实现了DLSS2和NVAPI的所有必要API方法,从游戏的角度看是在使用DLSS2,但实际上调用的是OptiScaler,并将请求重定向到XeSS、FSR2或经过优化的DLSS。
核心功能亮点
多后端超分辨率支持
OptiScaler支持三大图形API和四种超分辨率技术:
DirectX 11支持:
- FSR2 2.2.1原生DX11实现(默认)
- XeSS 1.x.x(通过DX12后台处理)
- FSR2 2.1.2(通过DX12后台处理)
- FSR2 2.2.1(通过DX12后台处理)
- DLSS原生DX11实现
DirectX 12支持:
- XeSS 1.x.x(默认)
- FSR2 2.1.2
- FSR2 2.2.1
- DLSS
Vulkan支持:
- FSR2 2.1.2(默认)
- FSR2 2.2.1
- DLSS
智能画质增强功能
伪超级采样(PSS) 通过[Upscalers]配置节的SuperSamplingEnabled参数,可以启用伪超级采样功能。例如在1080p分辨率下选择Quality预设,正常会渲染720p图像并升频到1080p。启用PSS后,使用SuperSamplingMultiplier(默认2.5)计算目标渲染尺寸,720p会升频到1800p,然后下采样到1080p,获得接近DLAA的画质。
RCAS锐化对比 XeSS输出图像通常较柔和,OptiScaler集成了AMD的CAS锐化过滤器来平衡画质。在[CAS]配置节中设置Enabled=true即可启用。
安装配置指南
简易安装步骤
- 从发布页面下载最新版本
- 将压缩包内容解压到游戏可执行文件同一目录
- 运行
EnableSignatureOverride.reg并确认合并 - 游戏设置中应该出现DLSS选项
配置文件详解
主要配置文件nvngx.ini包含丰富的调校选项:
[Upscalers]
Dx11Upscaler=auto ; DX11默认FSR2 2.2.1
Dx12Upscaler=auto ; DX12默认XeSS
VulkanUpscaler=auto ; Vulkan默认FSR2 2.1.2
[Sharpness]
OverrideSharpness=auto ; 覆盖DLSS锐度参数
Sharpness=0.3 ; 锐度强度0.0-1.0
画质优化技巧
解决常见图形问题
曝光校正:在[Color]节设置AutoExposure=true,修复Unreal Engine游戏的暗部色彩问题。
运动向量修复:某些游戏设置错误的运动向量尺寸标志,导致摄像机移动时过度运动模糊。通过[MotionVectors]节的DisplayResolution参数进行调整。
资源屏障修复:针对AMD显卡在Unreal Engine游戏中的彩虹色问题,在[Hotfix]节设置ColorResourceBarrier=4(D3D12_RESOURCE_STATE_RENDER_TARGET)。
高级调校选项
- Mipmap LOD Bias:在[Hotfix]节设置MipmapBiasOverride,-15最锐利,+15最模糊
- 初始化标志覆盖:修复错误的运动向量初始化信息
- FOV匹配:在[FSR]节设置VerticalFov/HorizontalFov匹配游戏FOV
性能优化建议
DX11与DX12同步设置
对于使用DX12后端处理的DX11游戏,OptiScaler提供了多种同步方法:[Dx11withDx12]节的TextureSyncMethod和CopyBackSyncMethod参数可以平衡性能与稳定性。
日志与调试
启用[Log]节的日志功能可以帮助诊断问题,支持控制台输出、文件记录和NVNGX API日志等多种方式。
注意事项
⚠️ 重要提醒:请不要在在线游戏中使用此mod,可能会触发反作弊软件导致封号!
结语
OptiScaler为AMD和Intel显卡用户打开了超分辨率技术的大门,通过巧妙的技术实现让更多玩家能够享受到顶级画质体验。无论是追求极致性能还是完美画质,OptiScaler都能提供灵活的配置选项。
项目持续更新中,更多功能和技术细节请参考官方文档和已知问题。立即体验OptiScaler,让你的游戏画质焕然一新!
三连支持:如果本文对你有帮助,请点赞、收藏、关注,后续将带来更多技术干货!
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00









