Ya sabemos que PlayStation Spectral Super Resolution (PSSR) 2.0 produce resultados mucho mejores en PS5 Pro que el modelo de primera generación, pero una nueva charla de SIGGRAPH 2026 a cargo del ingeniero de software principal de Sony, Daniel Craig, detalla mucho más a fondo cómo funciona este modelo actualizado bajo el capó. En resumen, representa un cambio de filosofía significativo, alejándose de un enfoque basado principalmente en redes neuronales para apostar por un diseño híbrido más eficiente. Al pedirle a la red neuronal que haga menos tareas, los ingenieros de Sony y AMD detrás de PSSR lograron abordar limitaciones clave presentes en la implementación original, donde el sistema intentaba encargarse de todo, desde la acumulación temporal hasta la compleja mezcla de colores HDR.
En el modelo PSSR original, una red neuronal convolucional predictora de color era la encargada de reconstruir la imagen final. Aunque las redes neuronales son brillantes en el reconocimiento de patrones, resultó que a menudo pasaban apuros con la mezcla de colores HDR, una tarea para la que los cálculos matemáticos convencionales de la GPU son significativamente más adecuados. Además, el enfoque original sufría un problema de "desvanecimiento de gradiente" (o vanishing gradient), en el que el modelo se sesgaba hacia asociaciones a corto plazo y le costaba mantener la estabilidad a lo largo del tiempo, especialmente en la vegetación y en detalles de iluminación de baja frecuencia como la iluminación global por trazado de rayos (RTGI).
Para resolver estos problemas, la nueva arquitectura de PSSR pasa de una red predictora de color a una red predictora de kernels (KPN). Ahora, la red neuronal se centra estrictamente en identificar bordes y distinguir los detalles del ruido, mientras que las operaciones convencionales de la GPU se encargan de la mezcla de colores HDR real y de la reconstrucción final. Al derivar tareas a operaciones matemáticas estándar, el modelo ya no necesita "aprender" una lógica de mezcla que el hardware existente maneja de forma más eficiente.
Una de las principales mejoras de eficiencia en esta nueva iteración es que la mayor parte del procesamiento de la red neuronal puede realizarse ahora a una resolución menor, concretamente a 540p o inferior. El modelo anterior gastaba una capacidad considerable en operaciones de alta resolución, lo que limitaba su techo de rendimiento. Asimismo, el mecanismo de reescalado se ha renovado por completo: mientras que el PSSR original definía su kernel de 3x3 a la resolución de salida (lo que provocaba un aspecto suavizado con ratios de reescalado altos debido al muestreo de un número reducido de píxeles renderizados), el nuevo PSSR se define a la escala de entrada mediante filtrado elíptico.
Estos cambios arquitectónicos también han producido enormes mejoras en la eficiencia de desarrollo. El tiempo de entrenamiento del nuevo modelo PSSR se ha reducido de cuatro meses de GPU a menos de una sola semana de GPU, en gran parte debido a cambios importantes en la cuantización. Aunque la presentación no ofrece cifras específicas de frame-time (tiempo de fotograma) ni de consumo de memoria, Sony afirma que ambas métricas mejoran a las vistas en la implementación original de PSSR.
De cara al futuro, cabe destacar los límites de esta nueva tecnología tal y como se describieron en la charla. La presentación se centró exclusivamente en contenido de prueba first-party, y en contra de algunos rumores previos, parece que no hay ningún elemento tipo transformer involucrado en esta actualización específica. Si bien las redes predictoras de kernels no son un concepto novedoso per se, su aplicación refinada en este caso demuestra un uso del aprendizaje automático más inteligente y focalizado que promete mayor estabilidad y eficiencia para la próxima generación de reescalado.