4
IntelはCGVQM IIツールを導入しました。これにより、最新のゲームの画像の品質を客観的に評価できます。このモデルは、APScaling（DLSS、FSR、XESS）、スタッフ生成、その他の表現方法など、スケールテクノロジーと改善が使用されるときに発生する歪みを分析します。
画像ソース：Intel
PSNRなどの従来の指標は、簡潔なビデオを分析するために最初に作成されたため、ゲームグラフィックを評価するのに常に適しているとは限りません。それらは、アプジーラー、レイトラッキング、または動的シェーディングが使用されるときに発生する特定のアーティファクトを考慮していません。たとえば、処理、ちらつき、ゴーリング（ゴースト）、ステップ、オブジェクトの破裂などのプロセスでは、その他が表示される場合があります。コンピューターグラフィックスの視覚品質（CGVQM）と呼ばれる新しいメトリックは、人工知能を使用してビデオを分析し、最新の画像処理方法によって引き起こされる欠陥を特定します。
Intelの研究者チーム – Akshay Jindal、Nabil Sadaka、Anton Sochenov（Anton Sochenov）などは、2段階のアプローチを提案しました。まず、ニューロンネットワークからのノイズリダクション、増加、適応能力の補間と補間を含むCGVQDデータセットを収集し、それに基づいて、人だけでなく画質を評価できるCGVQMニューロンネットワークを訓練しました。
モデルを調整するために、ボランティアのグループがデータセットのビデオを見せ、「目に見えない」スケールで「非常に迷惑な」尺度でアーティファクトを評価するように求められました。これらのデータは、ResNet-18アーキテクチャに基づいた3D次元ニューロンネットワーク（3D-Espanol）のトレーニングの基礎となり、空間の歪みだけでなく時間的にも分析できるようにします。
その結果、ほとんどの既存のメトリックは、特に独自のデータセットを操作する場合、CGVQMテストを克服しています。 CGVQM-5バージョンのバージョンは、人間の評価に近い結果を示し、最も単純なCGVQM-2は、テストしたシステムの中で3位を占めました。同時に、CGVQMは、トレーニングサンプルの一部ではない3番目のパーティコンテンツを分析できます。これにより、普遍的なツールになります。
将来的には、 書き込み Tom Hardware、研究者は、パフォーマンスを向上させるためにトランスフォーマーアーキテクチャへの移行を検討しています。さらに、メトリックに対するより詳細な評価を得るために、光学フローの分析を追加できます。
エラーに気付いた場合は、マウスで選択し、[Ctrl+Enter]をクリックします。
2025-07-17 06:58:00
#intel #introdujo #metric #cgvqm #para #evaluar #callity＃#graphics ## guegos、