Pular para o conteúdo
Criar jogos Gráficos Notícias

Matrix Awakens na Unreal Engine 5.8 testa renderização neural com DLSS 5

Teste na City Sample da Unreal Engine 5.8 explora renderização neural, DLSS e novos caminhos para o fotorrealismo em jogos.

A demo City Sample, conhecida pela experiência de Matrix Awakens, ganha uma nova leitura dentro da Unreal Engine 5.8 ao receber uma implementação experimental de renderização neural baseada em DLSS. O resultado reforça como técnicas orientadas por IA podem alterar a apresentação de materiais, iluminação e detalhes sem exigir que todo o ganho visual venha apenas de força bruta.

Cena urbana da City Sample exibida na Unreal Engine 5.8

A City Sample serve como base para observar a reconstrução neural em uma cena urbana detalhada.

Uma rota diferente para o fotorrealismo

Path tracing, ray tracing, iluminação global dinâmica e reflexos perseguem o mesmo objetivo: aproximar a imagem digital do comportamento da luz. Essas soluções, porém, exigem muitos cálculos. A renderização neural busca chegar a uma percepção visual semelhante por outro caminho, aproveitando os dados que o motor já produz para reconstruir a imagem na tela.

A demonstração usa uma base de DLSS 4.5 com código associado ao DLSS 5, portanto não representa uma versão final de produto. Ainda assim, o teste expõe controles de estilo e de preservação das cores de entrada. Isso indica que o processamento não precisa atuar como um filtro fixo: há espaço para modular quanto da informação artística original permanece na composição.

Interface de ajustes de estilo e preservação de cores na demonstração

Os controles permitem variar a aparência e a preservação das cores de entrada.

O trabalho do artista continua na base

A leitura neural parte de texturas, mapas normais, cores e outras decisões já definidas na produção. Em vez de substituir essa etapa, a técnica procura extrair mais da informação disponível. Esse ponto é central para entender por que o recurso pode interessar a jogos realistas e, no futuro, a estilos visuais que ainda dependem de pesquisa e adaptação.

Detalhe de roupa e materiais em personagem da City Sample

Texturas e materiais definidos na produção continuam sendo a base da imagem final.

Desempenho como consequência do amadurecimento

O path tracing produz resultados muito convincentes, mas continua pesado para renderização em tempo real. A promessa da renderização neural é ampliar a qualidade percebida com uma relação mais eficiente entre hardware e imagem. Isso pode ajudar a tornar cenas complexas mais acessíveis em diferentes faixas de placas de vídeo, desde que a tecnologia amadureça e seja integrada aos jogos.

O avanço não elimina discussões sobre investimento, consumo de recursos e impactos da inteligência artificial. Ao mesmo tempo, a evolução técnica segue em curso e tende a ampliar as ferramentas disponíveis para desenvolvimento. Para criação de jogos, o efeito mais relevante pode estar na combinação entre ganho visual, otimização e liberdade para experimentar cenas antes restritas a orçamentos de renderização muito maiores.

Cena da City Sample com iluminação e detalhes urbanos

A demonstração aponta como técnicas neurais podem ampliar a qualidade visual em tempo real.

Uma demonstração de transição

A City Sample evidencia um momento de transição: recursos de iluminação e reconstrução de imagem deixam de ser apenas promessas distantes e passam a ser testados em projetos acessíveis dentro de um motor amplamente usado. O ponto decisivo não é uma imagem isolada, mas a possibilidade de construir experiências mais detalhadas com custos técnicos menores ao longo das próximas gerações.

Fonte: Neriverso

Neriverso

neriverso

Conteúdo publicado pela equipe Neriverso.