IT Home News 7月17日，英特尔最近根据Github的AI推出了视频质量评估工具。计算机图形（CGVQM）的视觉质量指标旨在为现代游戏和实时渲染图形的质量评估提供一个客观的指标。该工具以Pytorch应用程序的形式在GitHub启动，并发表了支持研究工作，“ CGVQM+D：计算机图形和视频质量指标和数据集”。当前，游戏的照片很少以本地框架表示，通常基于超评分技术，例如DLSS，框架的产生，可变速度阴影和其他方法来提高图像的性能和质量，但这也会引起各种视觉问题，例如幽灵，幻想，烦恼，jagging和jagging和sclofusion。以前，该行业解释了这些缺陷主要是主观评估，而没有标准化和客观的定量工具。他说，尽管质量可以使用诸如视频压缩评估中常用的最大信号 /噪声比（PSNR）之类的指标来测量图像，这些方法不适合表示真实时代图形的表示。 PSNR主要评估压缩伪像，这使得很难完全反映复杂的扭曲和在真实时间图形中的图像质量降解。为此，英特尔研究团队采用了两种方法：一方面，我们构建了一组新的视频数据：一组用于计算机图形的视觉质量数据该模型经过专门训练，可以识别和量化这些扭曲。该模型使用专门基于3D-Resnet-18体系结构的3D（3D-CNN）神经元网络。与2D模型相比，3D网络可以捕获具有空间和时间维度的图像特征，以更好地识别视频中动态变化引起的图像质量问题。实验表明CGVQM评估效果几乎完全是BEY现有类似工具。其中，最复杂的CGVQM-5模型是CGVQD数据集的人类基线得分中的第二个模型，CGVQM-2的简单版本是第三个。更重要的是，CGVQM在隐形视频中具有出色的概括功能，这使其广泛适用。研究人员还指出，将来，TransNetwork架构的实施可以进一步改善模型的性能，这将增加计算机资源的消耗。还可以引入诸如光学流量之类的信息来优化失真识别。