第一组：Preset L，不同输入分辨率#

Preset L 是目前 DLSS 4 引入的 Transformer 架构模型，重建质量在所有 preset 中最强，因此选它作为基准，单独观察输入分辨率对最终画质的影响——把 preset 变量固定掉，只看喂给 DLSS 的像素信息量这一个维度的极限在哪里。

从 4×2 一路拉到 DLAA（3840×2160 原生输入），可以看到 DLSS 在输入信息极度匮乏时仍能重建出相对合理的结构，但细节和稳定性随分辨率提升有明显台阶式跃升。

第二组：384×216 输入，不同 Preset#

384×216 对应 4K 输出下约 0.1× 的超低倍率，在这个输入质量下各 preset 的算法差异会被最大化放大——输入信息越少，重建策略的不同就越显著。选这个分辨率就是为了把 preset 之间的差距拉到最开，方便对比。

DLSS 的 preset 大致分两代：A/B/C/D/E/F 是基于 CNN 的旧模型，J/K/L/M 是 DLSS 4 引入的 Transformer 新模型。两代之间的重建逻辑有本质差异。

Transformer 模型（J/K/L/M） 整体重建质量显著强于 CNN 模型。其中 L 是 DLSS 4.5 的新模型，目前综合表现最强。J 和 K 在静态场景下表现不错，但遇到动态变化较大的物体（例如树木）会出现明显闪烁，且整体偏模糊——在这种极低输入分辨率下，模糊感反而能在一定程度上掩盖重建噪点，带来略微”干净”的观感，但实际细节损失很大，没有实用意义。M 倾向于更激进的锐化，可能引入一定伪影。

CNN 模型（A～F） 在如此低的输入分辨率下重建能力有限，普遍存在更多鬼影和时序抖动。其中 E/F 相对较新，稳定性好于 A/B/C/D，但仍不如 Transformer 模型。