NVIDIA DLSS 5 réimplémenté open-source pour Vulkan, fonctionne sur RTX 40 et dans le navigateur
L’implémentation open source du réseau neuronal de DLSS 5, nommée OpenDLSS-NR, vient de voir le jour. Ce projet recrée fidèlement la technologie de Neural Rendering de NVIDIA en Vulkan. Il pourrait ouvrir la voie à une utilisation sur du matériel plus ancien, voire sur d’autres architectures graphiques.
Une réplication fidèle de la technologie NVIDIA
Le développeur MAAN a publié OpenDLSS-NR, une réimplémentation open source en Vulkan du réseau neuronal de DLSS 5. Ce projet reconstitue le réseau neuronal original composé de 71 blocs. Le créateur affirme que les résultats sont identiques, bit pour bit, à l’implémentation de NVIDIA, y compris pour les sorties intermédiaires, et pas seulement l’image finale.
I reverse engineered and reimplemented DLSS 5’s neural rendering in Vulkan, from the architecture down to the last rounding.
same input, same output as NVIDIA’s DLSS5, 7.8ms per 1080P on RTX 4070 super
code and docs : https://t.co/4IF4S7hv29
— MAAN (@maanalaolaqy) September 21, 2026
Contrairement à DLSS Super Resolution, qui reconstruit une image haute résolution, le Neural Rendering de DLSS 5 agit sur une image déjà rendue. Il l’améliore en ajoutant des détails générés par IA et en ajustant l’éclairage, les matériaux ou les visages. OpenDLSS-NR reproduit ce processus à l’aide d’une architecture U-Net combinant des transformateurs à fenêtres décalées et un Vision Transformer global, utilisant des activations en FP8.
L’implémentation inclut des noyaux PTX optimisés pour les Tensor Cores de NVIDIA, ainsi que des shaders de calcul GLSL. MAAN a partagé des performances préliminaires obtenues sur une RTX 4070 SUPER pour l’exécution complète du réseau :
| Résolution | Temps d’exécution |
|---|---|
| 768 × 768 | 2,8 ms |
| 1920 × 1080 | 7,8 ms |
| 2560 × 1440 | 12,6 ms |
| 3840 × 2160 | 29,3 ms |
Ces chiffres représentent les temps d’exécution minimums sur 40 images, et non une moyenne. Ils montrent que la réimplémentation fonctionne sur le matériel Ada Lovelace, alors que NVIDIA ne supporte officiellement DLSS 5 que sur les GeForce RTX 50, avec un support prévu pour les RTX 40 dans le futur.
Un point particulièrement notable est l’inclusion d’une implémentation WebGPU indépendante. Elle reproduit le même réseau neuronal sans utiliser les Tensor Cores de NVIDIA ni le support natif du FP8. Cela pourrait permettre d’exécuter la technologie sur d’autres architectures et plateformes, bien que les performances soient actuellement beaucoup plus faibles. MAAN signale un temps de 72 ms en 512 × 512 avec WebGPU, contre environ 2,7 ms avec l’implémentation native optimisée.
Le projet présente cependant des limites importantes. Le dépôt ne distribue pas les poids du modèle propriétaire de NVIDIA, que les utilisateurs doivent fournir eux-mêmes. De plus, OpenDLSS-NR est une implémentation autonome, et non un mod prêt à l’emploi pour les jeux existants. Il inclut un moteur de démonstration basé sur Filament de Google, mais n’implémente pas DLSS Super Resolution.
Il s’agit malgré tout d’une avancée notable pour la communauté du modding, alors que les passionnés cherchent à utiliser les dernières technologies de rendu neuronal sur des GPU RTX plus anciens ou sur du matériel alternatif.
OpenDLSS-NR est disponible sur GitHub sous licence MIT.
