Uma das barreiras mais antigas e rígidas do ecossistema de computadores acaba de ser desafiada abertamente pela comunidade de software livre: o projeto d4r (DLSS for Radeon), hospedado no GitHub, demonstrou ser possível executar o algoritmo proprietário DLSS (Deep Learning Super Sampling) da NVIDIA em placas de vídeo AMD Radeon.
A façanha é fruto da convergência entre a camada de compatibilidade ZLUDA (que viabiliza a execução de código CUDA em hardware AMD) e rotinas personalizadas escritas em C++ de baixo nível para as arquiteturas RDNA 2, RDNA 3 e RDNA 3.5.
Ao interceptar a biblioteca dinâmica nvngx.dll antes que ela consulte o identificador do fornecedor de GPU (Vendor ID), o d4r redireciona as matrizes de tensores para a camada ROCm e extensões nativas da API gráfica Vulkan, permitindo que a GPU Radeon processe a reconstrução de imagem.
Em testes controlados realizados sob o Linux com uma Radeon RX 7700 XT, o d4r atingiu tempos de processamento de aproximadamente 2,05 ms por quadro no preset K do DLSS, comprovando a viabilidade de uma tecnologia que antes era considerada restrita por hardware aos núcleos Tensor da concorrência.
O desenvolvedor independente countervolts publicou a biblioteca d4r no GitHub (GPL-3.0), demonstrando que é viável interceptar chamadas da API nvngx.dll de jogos com DLSS e mapeá-las para instruções Vulkan/ROCm em GPUs AMD Radeon sob Linux/Proton.
Alguns canais anunciaram que o projeto seria um substituto oficial do driver da AMD para Windows. O próprio autor adverte formalmente no README que se trata de uma Prova de Conceito (PoC) voltada para sistemas operacionais baseados em Linux.
💬 Comentários da Comunidade
3 comentáriosA comunidade open-source provando mais uma vez que limitações de software fechado caem quando engenheiros talentosos se unem. O uso do ZLUDA foi magistral.
Consegui rodar no Arch Linux com Proton-GE e a qualidade de reconstrução ficou impressionante na minha 7900 GRE. Projeto fantástico!
Essencial acompanhar de perto esse repositório. O ganho de margem de 18% no tempo de frame mostra que há futuro para upscaling interoperável.