使用AI對遊戲的圖像質量進行評分！英特爾推出新的評估工具CGVQM

英特爾最近在GitHub上開設了基於AI的視頻質量評估工具CGVQM（計算機圖形視覺質量指標），旨在為遊戲提供客觀的定量標準和圖像的實時渲染。該工具以Pytorch形式出版，並且支持研究論文同時發布。

　　當前的遊戲通常依靠超級得分技術（例如DLSS）來提高性能，但它們很容易引起視覺問題，例如幽靈和閃爍。傳統的圖像質量指標（例如PSNR）僅評估壓縮工件，無法完全反映實時渲染的複雜變形。為此，英特爾團隊構建了一個CGVQD數據集，涵蓋了由路徑跟踪和神經超採樣等技術引起的多樣化的圖像質量降解，並培訓了基於此數據集的CGVQM模型。該模型採用3D卷積神經網絡（3D-Resnet-18體系結構），該網絡可以同時捕獲時空維度中的圖像特徵，並更準確地識別動態圖像質量問題。

　　實驗表明，CGVQM評估效果全面超過了現有的工具：CGVQM-5的複雜版本接近人類評分的基線，並且簡化的CGVQM-2版本也牢固地牢固地在前三名中，並且在未經培訓的視頻中顯示出良好的概括能力。將來，可以通過引入變壓器或光流信息來進一步優化模型性能。