Техническое демо The Matrix Awakens An Unreal Engine 5 Experience, изначально вышедшее на консолях текущего поколения в конце 2021 года, протестировали с применением передовой технологии нейросетевого рендеринга DLSS 5 и генерации кадров. Авторы канала PlayBreakers провели полное сравнение оригинального изображения с консоли PlayStation 5 и картинки, прошедшей нейросетевую обработку в целевом разрешении 4K при 60 FPS. Технология не работает на базе аппаратного обеспечения самой консоли напрямую, так как видеопоток с консоли захватывается через специализированную карту захвата и направляется на персональный компьютер, где алгоритмы искусственного интеллекта обрабатывают каждый кадр в реальном времени.
Представленная компанией NVIDIA в 2026 году технология нейросетевого рендеринга в реальном времени DLSS 5 дополняет или заменяет традиционные этапы конвейера генерацией пикселей, освещения и материалов с помощью искусственного интеллекта. В ходе сравнительного тестирования кинематографических сцен погони и динамичного игрового процесса алгоритмы масштабирования заметно изменили визуальный ряд демонстрации. Нейросеть сформировала более высокую четкость деталей кожи и скорректировала черты лиц персонажей, сделав образы Нео и Тринити более фактурными по сравнению со стандартным временным сглаживанием TSR. При этом генерация промежуточных кадров позволила повысить плавность динамичных эпизодов с перестрелками на скоростном шоссе.
Однако использование нейросетевой обработки поверх консольного видеопотока выявило характерные технические компромиссы. На кадрах с обилием мелких частиц, дыма, искр и объемных взрывов генеративные модели привели к заметному размытию краев геометрии и пластилиновому эффекту на текстурах асфальта и разрушаемых автомобилей. Агрессивная интерполяция и достройка пикселей устраняют мелкий шум, но местами стирают исходные микродетали окружения. Эксперимент продемонстрировал практическую возможность вывода консольных проектов через внешний ПК с современным нейросетевым стеком масштабирования, одновременно очертив границы применимости генеративных алгоритмов на сценах с комплексной физикой.