Durante la conferenza professionale SIGGRAPH 2026, Daniel Craig, Principal Software Engineer di Sony Interactive Entertainment, ha illustrato le principali caratteristiche tecniche della seconda generazione di PlayStation Spectral Super Resolution, nota come PSSR 2.0, la tecnologia di upscaling utilizzata dalla console PlayStation 5 Pro.
Rispetto alla prima versione, Sony ha rivisto in modo significativo l’architettura dell’algoritmo, abbandonando l’approccio basato esclusivamente sulle reti neurali in favore di un sistema ibrido, nel quale l’intelligenza artificiale viene affiancata da tecniche di elaborazione tradizionali eseguite dalla GPU.
L’obiettivo è migliorare la stabilità dell’immagine in movimento, ridurre gli artefatti e diminuire il costo computazionale della ricostruzione ad alta risoluzione.
Dalla Color-Predicting Network alla Kernel-Predicting Network
La prima generazione di PSSR utilizzava una rete convoluzionale denominata Color-Predicting Network, incaricata di calcolare direttamente il colore di ogni pixel dell’immagine ricostruita.
Questo approccio consentiva alla rete neurale di gestire contemporaneamente l’accumulo temporale delle informazioni e la combinazione di tonalità HDR particolarmente complesse. Tuttavia, secondo quanto illustrato da Sony, l’architettura poteva andare incontro a problemi di vanishing gradients e alla comparsa di artefatti, soprattutto in presenza di elementi vegetali e texture generate attraverso il ray tracing.
Per superare queste limitazioni, un team congiunto di ingegneri Sony e AMD ha quindi modificato radicalmente la struttura di PSSR, introducendo una Kernel-Predicting Network.
Una pipeline ibrida per la ricostruzione dell’immagine
Con PSSR 2.0, la rete neurale non è più responsabile dell’intero processo di ricostruzione del fotogramma.
Il modello viene utilizzato principalmente per attività quali:
- riconoscimento degli elementi presenti nell’immagine;
- individuazione dei bordi geometrici;
- filtraggio del rumore;
- analisi delle caratteristiche necessarie alla ricostruzione.
Le operazioni più complesse relative alla combinazione dei colori HDR e alla ricostruzione finale dell’immagine vengono invece affidate alle tradizionali unità di calcolo della GPU.
Questa suddivisione permette di sfruttare la rete neurale dove risulta maggiormente efficace, evitando al tempo stesso di affidarle operazioni che possono essere gestite in modo più prevedibile attraverso algoritmi convenzionali.
Il modello neurale opera a una risoluzione inferiore
Un’altra modifica significativa riguarda la risoluzione utilizzata durante l’elaborazione neurale.
La maggior parte delle operazioni della rete viene ora eseguita a una risoluzione di input pari o inferiore a 540p. L’elaborazione a una risoluzione ridotta consente di diminuire il numero di dati che devono essere analizzati dalla rete, con conseguente riduzione del carico computazionale.
Il risultato viene successivamente ricostruito attraverso la pipeline ibrida, che combina le informazioni prodotte dalla rete neurale con le elaborazioni eseguite dalle unità di calcolo della GPU.
Addio al filtro 3×3: arriva il filtraggio ellittico
Sony ha inoltre modificato il sistema di filtraggio utilizzato nella ricostruzione.
Il precedente filtro di output 3×3 è stato sostituito da un sistema di filtraggio ellittico basato su una distribuzione gaussiana, applicato al livello di scala dell’immagine in ingresso.
La modifica è pensata per migliorare la qualità della ricostruzione e la stabilità dei dettagli, soprattutto quando il contenuto dell’immagine presenta variazioni temporali o strutture geometriche particolarmente complesse.
Tempi di addestramento drasticamente ridotti
Le modifiche all’architettura sono state accompagnate da un’importante attività di ottimizzazione della quantizzazione del modello.
Secondo Sony, questi interventi hanno permesso di ridurre il tempo necessario per l’addestramento del modello da circa quattro mesi a una sola settimana.
La riduzione dei tempi di training rappresenta un vantaggio significativo anche dal punto di vista dello sviluppo software, poiché consente di effettuare più rapidamente iterazioni sul modello e sperimentare nuove configurazioni senza dover sostenere cicli di addestramento estremamente lunghi.
Minore latenza e risparmio di memoria video
Il rapporto tecnico presentato durante SIGGRAPH 2026 non specifica valori precisi relativi al tempo di elaborazione per singolo fotogramma. Sony ha tuttavia dichiarato che PSSR 2.0 offre una riduzione significativa della latenza di rendering rispetto alla precedente implementazione.
L’azienda segnala inoltre un minore utilizzo della memoria video, altro elemento particolarmente importante in un sistema console, dove le risorse hardware disponibili sono definite e condivise tra rendering, asset di gioco e altre operazioni.
La combinazione di una rete neurale più specializzata e di una pipeline di elaborazione tradizionale dovrebbe quindi consentire un rapporto più efficiente tra qualità dell’immagine e risorse hardware impiegate.
Nessun Transformer nella nuova architettura
Un ultimo aspetto riguarda la struttura della rete neurale.
Contrariamente ad alcune indiscrezioni circolate in precedenza, PSSR 2.0 non utilizza moduli Transformer. L’architettura continua invece a basarsi su algoritmi convoluzionali altamente specializzati.
La scelta riflette l’obiettivo di Sony di privilegiare stabilità e prevedibilità nelle immagini dinamiche, piuttosto che adottare un’architettura più complessa esclusivamente sulla base delle tendenze attuali nel campo dell’intelligenza artificiale.
Un approccio più efficiente all’upscaling su PS5 Pro
PSSR 2.0 rappresenta quindi un’evoluzione sostanziale rispetto alla prima generazione della tecnologia. Il passaggio da una rete neurale incaricata di gestire direttamente la ricostruzione dei colori a una Kernel-Predicting Network integrata in una pipeline ibrida modifica profondamente il modo in cui Sony affronta l’upscaling su PlayStation 5 Pro.
La rete neurale viene impiegata principalmente per analizzare l’immagine e identificare le informazioni necessarie, mentre le operazioni di ricostruzione e gestione del colore vengono demandate alla GPU.
Secondo Sony, il risultato è una tecnologia più efficiente, con minore latenza, un consumo più contenuto di memoria video e maggiore stabilità nelle scene dinamiche, mantenendo un’architettura basata su reti convoluzionali specializzate anziché sui Transformer.
Manguste E-Sports Teams
