Комп'ютерні новини
Всі розділи
Intel представила інструмент CGVQM: ШІ, що бачить якість ігор очима людини
Intel зробила значний крок уперед для ігрової індустрії, представивши Computer Graphics Visual Quality Metric (CGVQM) – перший відкритий інструмент для вимірювання якості зображення у відеоіграх у реальному часі. Його головна перевага в тому, що він оцінює візуальну якість майже з такою ж точністю, як і людське око.
CGVQM був створений на базі унікального набору даних CG-VQD, що включає 80 трисекундних відео з 15 різних 3D-сцен. Ці сцени, від відомих демо до спеціально створених середовищ, були оброблені шістьма сучасними методами рендерингу, такими як нейронний суперсемплінг (DLSS, XeSS), трасування шляху чи гауссове сплайтування.
Спочатку технологія замислювалася для аналізу артефактів стиснення у потоковому відео (як YouTube чи Netflix), але згодом еволюціонувала. Дослідники Intel використали попередньо навчену нейромережу 3D ResNet-18, "доналаштувавши" її, щоб її оцінки якості максимально відповідали суб'єктивним оцінкам добровольців. У результаті версія CGVQM-5 перевершує всі існуючі метрики та майже збігається з людським сприйняттям.
Як це працює? CGVQM розбиває відео на дрібні фрагменти, витягує ключові візуальні особливості за допомогою нейромережі, а потім коригує внутрішні параметри, щоб прогнозовані бали відповідали оцінкам, даним людьми. Інструмент видає не лише загальну оцінку якості, а й попіксельні карти помилок, які чітко показують такі артефакти, як "привиди" (ghosting) або мерехтіння. Це дозволяє розробникам швидко виявляти та виправляти проблеми без необхідності проводити повноцінні тести з користувачами.
Для ще швидшого використання в процесі розробки, команда Intel також створила легшу версію – CGVQM-2. Вона працює значно швидше, використовуючи лише перші два блоки ResNet, але все одно перевершує конкурентів.
Розробники ігор можуть інтегрувати CGVQM безпосередньо у свої робочі процеси, клонувавши GitHub-репозиторій та додавши відповідні розширення для Vulkan або Unreal Engine. Це дає змогу проводити оцінки якості "на ходу" та обирати оптимальний баланс між якістю та продуктивністю.
Це важливий крок до більш інтелектуального та точного методу оцінки якості графіки в іграх.
