CyberXeSS项目在《天国降临:救赎2》中的XeSS性能优化问题分析
问题背景
在《天国降临:救赎2》游戏中,使用CyberXeSS项目进行XeSS超分辨率技术实现时,部分用户报告了一个严重的性能问题:游戏运行一段时间后,帧率会被强制限制在10FPS。这一问题主要出现在NVIDIA GTX 16系列显卡上,特别是GTX 1660 Super这类6GB显存的显卡上。
问题现象
用户在使用XeSS技术时,游戏初始运行正常,但经过一段时间后会出现明显的帧率下降,被锁定在10FPS。这一限制无法通过常规设置调整解除,只有重启游戏或切换至其他超分辨率技术(如FSR)才能恢复正常性能。若再次切换回XeSS,问题会立即重现。
技术分析
经过深入调查,发现这一问题与显存管理机制密切相关。游戏初始会为显卡分配约5GB的显存预算(对于6GB物理显存的显卡),当显存使用超过这一预算时,游戏引擎会触发性能限制机制。值得注意的是,这一问题仅在使用XeSS技术时出现,而使用FSR技术则表现正常。
进一步分析表明,CyberXeSS的默认配置中,XeSS初始化时会预先构建管线(BuildPipelines)和创建堆对象(CreateHeaps),这些操作可能在显存接近满载时引发性能问题。
解决方案
针对这一问题,CyberXeSS开发团队提供了两种解决方案:
-
配置参数调整: 在OptiScaler.ini配置文件中修改以下参数:
BuildPipelines=false CreateHeaps=false这一调整可以避免XeSS初始化时的显存预分配,从而防止显存过载导致的性能限制。
-
技术替代方案: 对于GTX 16系列显卡用户,虽然可以通过修改配置启用DLSS技术,但由于这些显卡缺乏专用的Tensor核心,DLSS性能表现会非常不理想。因此,推荐优先采用XeSS配合上述配置调整的方案。
技术延伸
值得注意的是,GTX 16系列显卡虽然基于Turing架构,理论上支持DLSS技术,但由于缺少专用的Tensor核心,DLSS计算需要完全由CUDA核心承担,这会导致极高的计算负载和极差的性能表现。相比之下,XeSS技术对硬件的要求更为宽松,经过适当优化后,能够在这些显卡上提供更好的性能与画质平衡。
结论
通过调整CyberXeSS的初始化参数,可以有效解决《天国降临:救赎2》中XeSS技术导致的10FPS性能限制问题。这一案例也展示了在不同硬件配置下,超分辨率技术实现需要针对性的优化策略。对于中端显卡用户,合理配置XeSS参数可以在保证画质的同时获得流畅的游戏体验。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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