El desarrollador MAAN ha conseguido ejecutar DLSS 5 Neural Rendering dentro de un navegador mediante WebGPU, una demostración especialmente llamativa porque NVIDIA no ofrece actualmente una vía oficial para integrar DLSS directamente mediante WebGL o WebGPU. El proyecto dispone además de una demostración pública capaz de cargar modelos 3D propios.
MAAN asegura que la implementación también funciona en macOS y Apple Silicon, ampliando el experimento fuera del hardware GeForce para el que normalmente se despliega la tecnología de NVIDIA. Sin embargo, todavía no ha explicado cómo ha adaptado el modelo neuronal al entorno del navegador y prepara la publicación del código fuente en GitHub.
DLSS normalmente necesita una integración mucho más profunda con el motor gráfico
La demostración resulta poco convencional porque DLSS suele integrarse mediante NVIDIA NGX o Streamline dentro de aplicaciones nativas, donde el motor entrega directamente información como vectores de movimiento, profundidad y la imagen renderizada para que el modelo neuronal pueda reconstruir el resultado.
WebGPU utiliza una capa diferente para acceder a la GPU desde un navegador. No existe, por tanto, una correspondencia directa con la ruta habitual de DLSS, lo que plantea la principal incógnita del proyecto: todavía no se sabe cómo MAAN está alimentando el modelo ni qué partes de la implementación oficial de NVIDIA conserva realmente.
Esa distinción es importante. Que la demostración utilice el modelo de Neural Rendering asociado a DLSS 5 no significa necesariamente que el navegador esté ejecutando toda la cadena de DLSS exactamente igual que un juego compatible, ya que el desarrollador todavía no ha publicado los detalles técnicos necesarios para comprobarlo.
Por ahora, lo demostrable es que el procesamiento neuronal puede aplicarse al contenido 3D mostrado mediante WebGPU. El código fuente que MAAN publicará en GitHub será clave para determinar si existe una adaptación directa del modelo, una implementación propia alrededor de él o algún mecanismo intermedio.
Apple Silicon convierte la demostración en algo más que una curiosidad para GeForce
La compatibilidad con macOS resulta especialmente interesante porque Apple Silicon no dispone de los Tensor Cores utilizados por las GPU RTX para acelerar DLSS de manera nativa. Eso indica que el experimento no depende exclusivamente de la ruta de ejecución convencional de NVIDIA.
No significa, sin embargo, que un Mac pueda ejecutar DLSS con el mismo rendimiento que una GeForce RTX. Que el modelo pueda procesarse sobre otra arquitectura demuestra portabilidad del experimento, no equivalencia de rendimiento ni soporte oficial de NVIDIA.
VideoCardz señala precisamente que la ejecución sobre Apple Silicon funciona, pero con un rendimiento limitado. En una RTX 4090, solo cargar el modelo de Neural Rendering puede tardar entre uno y dos segundos, una latencia incompatible por ahora con los tiempos necesarios para un videojuego interactivo convencional.
El principal límite está en convertir el experimento en procesamiento en tiempo real
Para jugar a 60 FPS, todo el proceso de generación de cada imagen dispone de unos 16,67 ms; a 120 FPS, el margen cae hasta aproximadamente 8,33 ms. Una espera medida en segundos para preparar el modelo deja esta demostración muy lejos de una integración de DLSS utilizable durante una partida, al menos en su estado actual.
Además, cargar el modelo y ejecutarlo son problemas distintos. Una aplicación puede asumir un coste inicial elevado si el modelo queda después residente en memoria, pero para valorar el rendimiento real faltan datos sobre tiempo de inferencia por fotograma, resolución, GPU utilizada y cantidad de información procesada.
Esto impide extraer conclusiones sobre cuánto costaría aplicar Neural Rendering continuamente a una escena WebGPU. MAAN todavía no ha publicado métricas de latencia ni comparaciones suficientes, de modo que cualquier afirmación sobre rendimiento gaming sería prematura.
-
- Sin DLSS 5
-
- Con DLSS 5
Los visores 3D podrían beneficiarse antes que los videojuegos
La necesidad de alcanzar decenas o cientos de imágenes por segundo es mucho menos estricta en otras aplicaciones. Visualizadores de modelos 3D, arquitectura, demostraciones de producto o herramientas de previsualización dentro del navegador pueden tolerar tiempos de procesamiento superiores si a cambio obtienen una imagen reconstruida con mayor calidad.
WebGPU tiene además una ventaja evidente en ese escenario: evita instalar una aplicación nativa. Una plataforma podría cargar un modelo desde una página web y aplicar procesamiento neuronal directamente sobre la GPU disponible, por lo que la tecnología podría tener utilidad práctica incluso antes de alcanzar velocidades suficientes para juegos en tiempo real.
También abre una cuestión más amplia sobre Neural Rendering. Si determinados modelos pueden ejecutarse mediante interfaces gráficas multiplataforma, parte de las técnicas asociadas hoy a tecnologías propietarias podría terminar utilizándose en aplicaciones mucho más alejadas del videojuego tradicional.
Eso no convierte automáticamente DLSS en una tecnología multiplataforma. NVIDIA controla sus modelos, SDK y condiciones de distribución, mientras este proyecto continúa siendo una implementación experimental independiente. La demostración prueba una posibilidad técnica, no anuncia un cambio en la política oficial de compatibilidad de DLSS.
El código abierto permitirá saber qué ha conseguido realmente MAAN
Hasta que aparezca el repositorio, la arquitectura interna sigue siendo la gran incógnita. El hecho de que el desarrollador permita probar la demostración con modelos propios confirma que no se trata únicamente de un vídeo pregrabado, pero no explica qué parte exacta de DLSS 5 está ejecutándose detrás.
La publicación del código permitirá analizar cómo se suministran los datos al modelo, qué dependencias utiliza y hasta qué punto puede reproducirse el experimento en diferentes GPU. Ese será el momento de determinar si estamos ante una vía realmente generalizable para Neural Rendering en WebGPU o una demostración técnica muy específica, pero conseguir que funcione ya dentro de un navegador y también sobre Apple Silicon convierte el proyecto en una prueba de concepto especialmente interesante.
Vía: TechPowerUp
