O NeuralScreen 2.2.0 foi lançado em 8 de outubro de 2026 com um estabilizador temporal para reduzir a cintilação do Neural Rendering associado ao DLSS 5. Segundo os testes internos do desenvolvedor, a oscilação entre quadros caiu até 49% em cenas estáticas. A atualização também ajusta a detecção de cortes de cena e corrige movimentos artificiais em partes imóveis da imagem.
Essa é uma mudança diferente das correções de desempenho e atalhos apresentadas no NeuralScreen 2.1.9. Agora, o foco está na estabilidade visual do efeito aplicado sobre jogos, vídeos e outras janelas do Windows. Os percentuais publicados vêm do autor e ainda não representam uma medição independente.
NeuralScreen 2.2.0 reduz cintilação do efeito neural
De acordo com o changelog oficial da versão 2.2.0, o novo estabilizador acompanha o movimento entre quadros e combina parte do efeito neural anterior com a saída atual. Entretanto, o algoritmo mantém a imagem original sem atraso: a mistura afeta somente a alteração gerada pela rede neural.
Nos testes internos, a instabilidade do efeito caiu 43% durante panorâmicas, 45% sobre objetos em movimento e 49% em conteúdo estático. Além disso, a cintilação ao redor de objetos móveis caiu 57% em um cenário com vetores semelhantes aos do NVOFA. O custo informado é de aproximadamente 0,1 a 0,3 milissegundo por quadro.
Interface do NeuralScreen, usada como referência do programa atualizado. Fonte: perseval-BLR / GitHub.
O recurso fica ligado por padrão no modo Boost. Ainda assim, usuários que desejarem comparar o comportamento podem desativá-lo com a variável NS_STAB=0. O desenvolvedor afirma que o teste por pixel evita rastros quando os vetores de movimento não são confiáveis.
NeuralScreen 2.2.0 melhora cortes de cena e movimento
Antes, a ferramenta usava uma diferença média fixa entre quadros para detectar cortes. Por isso, movimentos rápidos de câmera podiam apagar desnecessariamente o histórico do processamento, enquanto cortes entre imagens escuras passavam despercebidos.
Agora, o programa alinha os quadros e compara o conteúdo restante. Na amostra de avaliação do autor, os resets falsos caíram de 4,8% para 0,6%. Já os cortes não detectados passaram de 39% para 1,3%. Esses valores dependem do conjunto usado no teste, portanto não devem ser extrapolados para todos os vídeos e jogos.
Painel de configurações do NeuralScreen. Fonte: documentação oficial do projeto.
Além disso, a versão 2.2.0 tenta impedir que os vetores de movimento de um objeto se espalhem pelo fundo parado. No teste com um quadrado em movimento, a proporção de pixels do fundo que recebiam movimento caiu de 91,7% para zero, segundo o desenvolvedor.
Da mesma forma, uma captura totalmente parada não precisa mais passar indefinidamente pela rede neural. Após estabilizar a saída, o programa mantém o último resultado até ocorrer alguma mudança na imagem, no tamanho ou nos parâmetros.
Outras correções de imagem e captura
Outra correção evita que múltiplas passadas de Neural Rendering escureçam progressivamente a imagem. O projeto também ajustou o reconhecimento de runtimes que respondem sem efetivamente alterar os pixels, reduzindo casos em que a ferramenta parecia funcionar, mas não aplicava o efeito.
Enquanto isso, a captura de uma janela individual deixou de ficar limitada a aproximadamente 60 atualizações por segundo em determinadas configurações do Windows 11. O autor registrou 120 quadros novos por segundo em seu monitor de 120 Hz, mas esse resultado não garante o mesmo desempenho em outros PCs.
Lista de janelas capturáveis pelo NeuralScreen. Fonte: perseval-BLR / documentação oficial.
Por fim, o changelog registra correções para mudanças inesperadas no formato da captura e desconexão de controles. O pacote oficial 2.2.0 está disponível no GitHub do desenvolvedor. A release oferece o arquivo completo para Windows, mas não constitui suporte oficial da NVIDIA.
Para quem está começando, o Allves Games também mantém um tutorial de uso do NeuralScreen. Vale lembrar que a compatibilidade do Neural Rendering varia conforme GPU, driver e runtime; a própria documentação distingue resultados validados de relatos ainda não reproduzidos.
Fontes: changelog oficial v2.2.0; release oficial; README do projeto.
