La nueva herramienta de Intel mide la calidad de las imágenes de videojuegos en tiempo real

Intel ha presentado la herramienta Computer Graphics Visual Quality Metric (CGVQM), la primera métrica de código abierto diseñada específicamente para evaluar las imágenes de videojuegos en tiempo real con casi la misma precisión que los humanos. Su núcleo es el conjunto de datos CG-VQD, que contiene 80 clips de tres segundos de 15 escenas 3D de código abierto, desde la demo Bistro de Amazon hasta entornos personalizados como House y Bridge, cada uno de ellos procesado por uno de los seis métodos modernos de renderizado, como el supermuestreo neuronal, el trazado de trayectorias o el splatting gaussiano. Los investigadores de Intel empezaron con una red 3D ResNet-18 preentrenada y ajustaron los pesos de sus canales para alinear sus resultados con las valoraciones de los voluntarios. El resultado, CGVQM-5, supera todas las métricas de referencia completa existentes y se acerca mucho a la concordancia humana.

Entre bastidores, CGVQM divide cada vídeo en fragmentos más pequeños, extrae las características visuales clave mediante una columna vertebral 3D ResNet y, a continuación, ajusta un pequeño conjunto de ponderaciones por canal para que las puntuaciones previstas coincidan con las calificaciones de calidad otorgadas por los evaluadores humanos. CGVQM 5 profundiza en los cinco bloques ResNet para obtener la máxima precisión. Para que la herramienta resulte práctica en las cadenas de producción rápidas, el equipo también ha creado CGVQM-2, una versión más ligera que sólo utiliza los dos primeros bloques ResNet. Al eliminar la mayor parte de estas últimas características, se ejecuta sustancialmente más rápido sin dejar de superar a todas las métricas rivales. Ambas variantes producen mapas de errores que resaltan claramente los artefactos, como el efecto fantasma o el parpadeo, lo que permite a los artistas detectar y corregir problemas sin necesidad de realizar pruebas de usuario completas. Los desarrolladores de juegos pueden clonar el repositorio de GitHub y añadir ganchos Vulkan o plugins de Unreal Engine para integrar CGVQM directamente en sus flujos de trabajo, lo que les permite ejecutar evaluaciones sobre la marcha.

Fuente: Intel