Apex Compute ha presentado Apex Neural Rendering (ANR), una nueva tecnología de renderizado neuronal que busca competir con NVIDIA DLSS mediante generación de fotogramas, reescalado de imagen y reconstrucción de Ray Tracing. La compañía asegura que su solución consigue menor tiempo de procesamiento, mejor calidad visual y un consumo de memoria significativamente inferior al sistema de NVIDIA.
En sus pruebas con una GeForce RTX 5090 a resolución 4K, ANR Frame Generation necesita 1,01 ms por fotograma generado, frente a los 1,26 ms de DLSS Frame Generation. También reduce el consumo de memoria de 562 a 214 MB, aunque los resultados proceden exclusivamente de Apex Compute y todavía necesitan una verificación independiente.
Apex Neural Rendering combina tres tecnologías para competir con DLSS
El proyecto se divide en ANR Frame Generation (ANR FG), ANR Super Resolution (ANR SR) y ANR Ray Reconstruction (ANR RR). Cada componente aborda una tarea distinta del procesamiento gráfico, desde la generación de fotogramas intermedios hasta la reconstrucción de imágenes y la reducción de ruido en escenas con Ray Tracing.
Sin embargo, únicamente ANR Frame Generation está disponible actualmente en fase beta. Los módulos de Super Resolution y Ray Reconstruction siguen pendientes de lanzamiento, por lo que todavía no es posible comparar el conjunto completo con las tecnologías equivalentes de NVIDIA.
La generación de fotogramas utiliza una red neuronal cuyos pesos ocupan apenas 0,17 MB, según la documentación de Apex Compute. Este tamaño resulta especialmente reducido, aunque no debe confundirse con el consumo total de la tecnología, que también necesita memoria para almacenar imágenes, datos temporales y otros recursos durante su funcionamiento.
El objetivo consiste en generar fotogramas adicionales con un coste computacional contenido, aprovechando información visual procedente de imágenes consecutivas. La dificultad está en reconstruir correctamente elementos móviles, superficies parcialmente ocultas y detalles que aparecen o desaparecen entre fotogramas, situaciones donde pueden producirse defectos visuales.
Un 20% menos de tiempo por fotograma y un 62% menos de VRAM
Las mediciones publicadas por Apex Compute sobre una GeForce RTX 5090 a 3840 × 2160 píxeles muestran diferencias favorables a su tecnología frente a DLSS Frame Generation. Los resultados corresponden al coste de generar fotogramas, no al rendimiento total de un videojuego.
| Prueba en RTX 5090 a 4K | ANR FG | DLSS FG |
|---|---|---|
| Tiempo por fotograma generado (2X) | 1,01 ms | 1,26 ms |
| Tiempo medio por fotograma generado (4X) | 0,61 ms | 0,82 ms |
| Memoria GPU utilizada | 214 MB | 562 MB |
En el modo 2X, ANR reduce aproximadamente un 19,8% el tiempo de procesamiento por fotograma generado. La diferencia aumenta hasta alrededor del 25,6% en el modo 4X, mientras que el consumo de memoria registrado es un 61,9% inferior al de DLSS.
La reducción de VRAM podría resultar especialmente interesante en tarjetas gráficas con 8 GB de memoria o configuraciones que ya se encuentran cerca de su límite. Sin embargo, estos resultados corresponden a una RTX 5090 y no permiten asegurar que las mismas diferencias aparezcan en GPU menos potentes.
También es importante distinguir el tiempo de generación de un fotograma de la latencia total de entrada. Que ANR necesite menos milisegundos para realizar esta operación no demuestra automáticamente que los videojuegos respondan antes a las acciones del jugador ni que sus FPS aumenten en una proporción equivalente.
Apex Compute también afirma superar a DLSS en calidad visual
La compañía ha publicado comparaciones visuales que incluyen escenas de The Last of Us Part II Remastered, además de demostraciones relacionadas con partículas, objetos animados, vegetación y superficies en movimiento. En estos ejemplos, ANR busca reducir los defectos de interpolación y conservar mejor los detalles entre imágenes.
Sus pruebas de calidad utilizan ocho secuencias renderizadas a resolución 4K, evaluadas mediante métricas como CGVQM-5, ColorVideoVDP y PSNR. En el modo 2X, ANR alcanza 96,59 puntos en CGVQM-5, frente a los 93,66 registrados por DLSS Frame Generation.
Estos resultados favorecen a ANR dentro del conjunto de pruebas seleccionado, pero no permiten establecer una superioridad general sobre DLSS. La evaluación procede del propio desarrollador y no identifica con suficiente precisión la versión de Frame Generation de NVIDIA utilizada en la comparación.
Además, una mayor puntuación en métricas de calidad no garantiza la ausencia de defectos perceptibles durante una partida. Elementos como interfaces, partículas rápidas, cambios bruscos de cámara o movimientos irregulares pueden provocar artefactos que necesitan examinarse mediante pruebas independientes y secuencias de juego prolongadas.
Compatible con GPU NVIDIA, AMD e Intel, además de Steam Deck
Uno de los aspectos más interesantes de ANR Frame Generation es su compatibilidad con arquitecturas de diferentes fabricantes. La beta no está limitada a las tarjetas gráficas RTX más recientes, sino que contempla hardware considerablemente anterior y dispositivos que no disponen de las funciones oficiales de generación de fotogramas de NVIDIA.
Según el repositorio oficial, el soporte incluye GeForce GTX 16 y RTX 20 o posteriores, además de Radeon RX 5000, RX 6000, RX 7000 y RX 9000. También aparecen las GPU Intel Arc A y B, Steam Deck y equipos Apple Silicon desde M1.
En cuanto a sistemas operativos, ANR FG funciona en Windows 10, Windows 11, Linux y SteamOS mediante Proton, mientras que las versiones recientes de la beta también contemplan macOS 26 o posterior. No obstante, la compatibilidad declarada con una arquitectura no garantiza un rendimiento satisfactorio en todos sus modelos.
La implementación actual utiliza OptiScaler como sistema de integración, permitiendo sustituir la generación de fotogramas de NVIDIA en videojuegos que ya ofrecen compatibilidad con DLSS Frame Generation. El desarrollador distribuye paquetes para instalaciones nuevas y otros destinados a equipos que ya utilizan OptiScaler.
Este planteamiento tiene una ventaja importante: permite experimentar con generación de fotogramas en hardware que normalmente queda fuera de las opciones oficiales de DLSS. Sin embargo, requiere modificar archivos del juego y puede encontrarse con incompatibilidades, problemas gráficos o restricciones impuestas por determinados sistemas anticheat.
La beta ya está disponible, pero su código todavía no es abierto
Apex Neural Rendering dispone de un repositorio público en GitHub, desde el que pueden obtenerse las versiones beta de Frame Generation. El proyecto ha recibido varias actualizaciones destinadas a corregir cierres inesperados, problemas de representación y diferencias de funcionamiento entre fabricantes.
La documentación también confirma que el código fuente propio de ANR todavía no se ha publicado, aunque Apex Compute tiene previsto liberarlo próximamente. Por tanto, la disponibilidad gratuita de la beta y su distribución mediante GitHub no significan que el motor de generación de fotogramas sea ya completamente open source.
La cuestión pendiente es determinar si sus ventajas de rendimiento y calidad se mantienen en diferentes videojuegos, resoluciones y tarjetas gráficas. Especialmente relevante será comprobar el comportamiento en GPU antiguas, donde el menor coste de la red neuronal podría resultar útil, pero la capacidad de procesamiento disponible también es más limitada.
Apex Neural Rendering presenta resultados prometedores y una propuesta de compatibilidad más amplia que la generación de fotogramas oficial de NVIDIA. No obstante, sus cifras actuales proceden de pruebas internas y únicamente Frame Generation está disponible. Hasta que existan benchmarks independientes, su posible superioridad frente a DLSS debe considerarse una afirmación del desarrollador, no una conclusión demostrada.
Vía: TechPowerUp
