Utilisez l'IA pour évaluer la qualité d'image du jeu! Intel lance un nouvel outil d'évaluation CGVQM
Intel a récemment ouvert l'outil d'évaluation de la qualité vidéo basée sur l'IA CGVQM (indicateurs de qualité visuelle sur l'infographie) sur GitHub, visant à fournir des normes quantitatives objectives pour les jeux et le rendu en temps réel des images. L'outil est publié sous forme Pytorch, et les articles de recherche à l'appui sont publiés simultanément.
Les jeux actuels reposent généralement sur des technologies super scores telles que les DLS pour améliorer les performances, mais ils sont enclins à causer des problèmes visuels tels que les fantômes et les scintillement. Les indicateurs de qualité d'image traditionnels (tels que le PSNR) n'évaluent que les artefacts de compression et ne peuvent pas refléter pleinement la distorsion complexe du rendu en temps réel. À cette fin, l'équipe Intel a construit un ensemble de données CGVQD, couvrant une dégradation diversifiée de la qualité d'image causée par des technologies telles que le traçage de chemin et l'hypersampling neuronal, et a formé le modèle CGVQM basé sur cet ensemble de données. Ce modèle adopte un réseau neuronal convolutionnel 3D (architecture 3D-RESNET-18), qui peut capturer simultanément les fonctionnalités d'image dans les dimensions de l'espace-temps et identifier plus précisément les problèmes de qualité d'image dynamique.
Les expériences montrent que l'effet d'évaluation CGVQM dépasse de manière globale les outils existants: la version complexe de CGVQM-5 est proche de la référence de la notation humaine, et la version simplifiée de CGVQM-2 est également fermement dans les trois premiers, et a montré une bonne capacité de généralisation dans des vidéos non formées. À l'avenir, les performances du modèle peuvent être encore optimisées en introduisant des informations de transformateur ou de flux optique.
