索尼PS5 Pro增强版PSSR技术解析：AI减负如何提升游戏画质

新版 PSSR 的核心升级思路，在于让 AI 模型承担更少的计算任务，而不是一味扩大神经网络规模，从而同时实现更好的画质表现和更低的硬件资源占用。

据介绍，初代 PSSR 几乎将整个图像重建流程都交给了色彩预测网络（CPN）处理，由模型直接预测最终输出颜色。随后，索尼与 AMD 工程团队发现，这种方案会在 HDR 处理、时序重建以及高倍率超分辨率等多个环节带来一系列问题。

在增强版 PSSR 中，开发团队重新引入了大部分传统重建流程，并将 CPN 替换为核预测网络（KPN）。与直接预测最终像素颜色不同，KPN 的职责是预测混合权重，真正的混合运算则交由传统滤波流程直接完成。

由于模型不再需要以隐式方式处理 HDR 色彩信息，因此网络容量可以被更高效地利用。团队还重新设计了与历史数据之间的连接方式，进一步改善梯度流动，让网络能够学习更长距离的时序关系，提升画面连续性与稳定性。

此外，工程师还引入了一种输入空间椭圆高斯滤波器，以确保该方案在高倍率超分辨率场景下依然有效，成功解决了原始模型在 2.5 倍和 3 倍图像重建时存在的问题。

克雷格展示的测试结果表明，升级后的模型在图像质量、时序稳定性等方面都有明显提升，尤其是在较低输入分辨率条件下表现更为突出。同时，GPU 运行时间与显存占用也进一步下降。

从参数分布来看，初代 CPN 仅有约 30% 的参数部署在最低的 540p 分辨率层；而到了新版 KPN，这一比例被大幅提升至约 90%，并且这些参数主要集中在 540p 及以下层级，在 4K 层级几乎不再进行计算。这也显著提升了训练效率：初代模型大约需要 4 个 GPU 月，而如今已经压缩到不足 1 个 GPU 周。