Intel a dezvoltat un nou instrument pentru a analize de calitate, suficient de eficient ca să funcționeze în timp real, expunând modul în care se procesează imaginile cu diferite tehnologii. Instrumentul denumit Computer Graphics Visual Quality Metric, este o soluție open-source, bazată pe AI, care poate izola și marca potențialele artefacte în timp real, și poate evalua calitatea acestora într-un mod similar testerilor.
Această unealtă este necesară, deoarece sunt disponibile din ce în ce mai multe tehnologii de prelucrare a cadrelor, care câteodată se împletesc mai multe funcții pentru a da un rezultat nu neapărat bun, cum ar fi problema scalări cadrelor, tehnologiile de generare a cadrelor bazate pe AI, și alte soluții similare antialiasing, care pot provoca artefacte nedorite. Acestea pot include anomalii, vibrații, ghosting, pixili supra sau subexpuși, cât și probleme de texturi, cum ar fi cele transparente. Inovația Intel CGVQM vizează analizarea și evaluarea acestor anomalii în timp real, eficient și cu o precizie comparabilă cu cea umană.
Instrumentul open-source se bazează pe o rețea neuronală convoluțională 3D (CNN) antrenată de Intel pe propriile seturi de date. Acest set de date se numește Computer Graphics Visual Quaity Dataset, și încorporează toate potențialele probleme documentate de tehnicile moderne de redare. Astfel de tehnici de redare includ Path Tracing, Neural Rescaling, Neural Noise Filtering, Frame Interpolation și Adaptive Variable-Rate Shading. Modelul poate evalua calitatea imaginii finale prin generarea unei hărți în care izolează problemele.
Procesul a fost supervizat de testeri profesioniști. Iar rezultatul a fost utilizat pentru a perfecționa modelul. Pe baza testelor, modelul CGVQM-5 este destul de competent, dar necesită mai multe resurse, s-a clasat pe locul doi după testerii umani, iar modelul CGVQM-2, mai slab dar consumând resurse mai puține, s-a clasat pe locul al treilea, imediat după CGVQM-5.
Potrivit cercetătorilor, noul model funcționează bine nu numai atunci când utilizează setul lor de date proprii, ci și cu date independente, ceea ce înseamnă că modelul se descurcă bine, și va fi utilă și în larg.
Funcționalitatea instrumentului ar putea fi îmbunătățită prin utilizarea modelului TNN (Transformer Neural Network) în locul modelului 3D-CNN, dar acesta din urmă necesită mai multe resurse pentru a putea fi utilizat de orcine. Cercetătorii afirmă că precizia ar putea fi îmbunătățită și prin punerea la dispoziția modelului a unor informații suplimentare de mișcare, cum ar fi datele provenite de la Optical Flow Vector.
Noul instrument este deja disponibil publicului, și este destul de interesant în forma sa actuală. Este disponibil aici, și poate fi utilizat atât pentru jocurile bazate pe Unreal Engine, cât și pentru cele bazate pe Vulkan.
