เรื่องเล่าจากโลกกราฟิกเกม: Intel เปิดตัว CGVQM เครื่องมือ AI วัดคุณภาพภาพเกมแบบเรียลไทม์
ในยุคที่เกมสมัยใหม่ใช้เทคนิคเรนเดอร์ขั้นสูง เช่น supersampling, denoising, frame interpolation และ shading แบบปรับอัตราอัตโนมัติ การประเมินคุณภาพภาพด้วยสายตาอาจไม่แม่นยำพอ Intel จึงเปิดตัว CGVQM ซึ่งเป็นโมเดล AI ที่สามารถวิเคราะห์และให้คะแนนคุณภาพภาพของเกมได้อย่างแม่นยำและเป็นกลาง
CGVQM ประกอบด้วย 2 ส่วนหลัก:
1️⃣ ชุดข้อมูลวิดีโอ CGVQD ที่รวบรวมตัวอย่างภาพผิดเพี้ยนจากเทคนิคเรนเดอร์ต่าง ๆ
2️⃣ โมเดล AI แบบ 3D-ResNet ที่ถูกฝึกให้รู้จักความผิดเพี้ยน เช่น ghosting, flicker, aliasing และ disocclusion โดยเทียบกับการให้คะแนนจากมนุษย์
ผลการทดสอบพบว่า CGVQM-5 มีความแม่นยำใกล้เคียงกับการประเมินของมนุษย์ ส่วน CGVQM-2 ก็ยังติดอันดับ 3 จากเครื่องมือทั้งหมดที่นำมาทดสอบ
เครื่องมือนี้เปิดให้ใช้งานฟรีบน GitHub ในรูปแบบ PyTorch application และสามารถนำไปใช้วิเคราะห์คุณภาพภาพของเกมหรือแอปพลิเคชันกราฟิกแบบเรียลไทม์ได้ทันที
Intel เปิดตัว CGVQM เครื่องมือ AI สำหรับวัดคุณภาพภาพเกม
ใช้โมเดล 3D convolutional neural network (3D-ResNet-18)
CGVQM ประเมินภาพผิดเพี้ยนจากเทคนิคเรนเดอร์สมัยใหม่
เช่น DLSS, FSR, XeSS, Gaussian splatting, frame gen, denoising
สร้างชุดข้อมูล CGVQD เพื่อฝึกโมเดล AI
ประกอบด้วยวิดีโอที่มี distortions หลากหลายรูปแบบ
ใช้การให้คะแนนจากมนุษย์เป็น baseline
เพื่อฝึกโมเดลให้เข้าใจความรู้สึกต่อภาพผิดเพี้ยน
CGVQM-5 มีความแม่นยำใกล้เคียงกับมนุษย์
ส่วน CGVQM-2 ก็ยังติดอันดับ 3 จากเครื่องมือที่ทดสอบ
เปิดให้ใช้งานฟรีบน GitHub ในรูปแบบ PyTorch
เหมาะสำหรับนักพัฒนาเกมและนักวิจัยด้านกราฟิก
CGVQM ยังไม่เป็นมาตรฐานอุตสาหกรรม
ต้องรอการยอมรับจากนักพัฒนาและผู้ผลิตเกมในวงกว้าง
โมเดล AI อาจไม่แม่นยำกับวิดีโอที่อยู่นอกชุดข้อมูลฝึก
แม้จะมีความสามารถในการ generalize แต่ยังต้องทดสอบเพิ่มเติม
การใช้โมเดล 3D-CNN ต้องใช้ทรัพยากรค่อนข้างสูง
อาจไม่เหมาะกับการประเมินแบบเรียลไทม์ในระบบที่จำกัด
ยังไม่มีการเปรียบเทียบกับโมเดลแบบ transformer อย่างละเอียด
ซึ่งอาจให้ผลลัพธ์ที่ดีกว่าในอนาคตแต่ต้องใช้พลังประมวลผลมาก
https://www.tomshardware.com/video-games/pc-gaming/intel-releases-new-tool-to-measure-gaming-image-quality-in-real-time-ai-tool-measures-impact-of-upscalers-frame-gen-others-computer-graphics-video-quality-metric-now-available-on-github
ในยุคที่เกมสมัยใหม่ใช้เทคนิคเรนเดอร์ขั้นสูง เช่น supersampling, denoising, frame interpolation และ shading แบบปรับอัตราอัตโนมัติ การประเมินคุณภาพภาพด้วยสายตาอาจไม่แม่นยำพอ Intel จึงเปิดตัว CGVQM ซึ่งเป็นโมเดล AI ที่สามารถวิเคราะห์และให้คะแนนคุณภาพภาพของเกมได้อย่างแม่นยำและเป็นกลาง
CGVQM ประกอบด้วย 2 ส่วนหลัก:
1️⃣ ชุดข้อมูลวิดีโอ CGVQD ที่รวบรวมตัวอย่างภาพผิดเพี้ยนจากเทคนิคเรนเดอร์ต่าง ๆ
2️⃣ โมเดล AI แบบ 3D-ResNet ที่ถูกฝึกให้รู้จักความผิดเพี้ยน เช่น ghosting, flicker, aliasing และ disocclusion โดยเทียบกับการให้คะแนนจากมนุษย์
ผลการทดสอบพบว่า CGVQM-5 มีความแม่นยำใกล้เคียงกับการประเมินของมนุษย์ ส่วน CGVQM-2 ก็ยังติดอันดับ 3 จากเครื่องมือทั้งหมดที่นำมาทดสอบ
เครื่องมือนี้เปิดให้ใช้งานฟรีบน GitHub ในรูปแบบ PyTorch application และสามารถนำไปใช้วิเคราะห์คุณภาพภาพของเกมหรือแอปพลิเคชันกราฟิกแบบเรียลไทม์ได้ทันที
Intel เปิดตัว CGVQM เครื่องมือ AI สำหรับวัดคุณภาพภาพเกม
ใช้โมเดล 3D convolutional neural network (3D-ResNet-18)
CGVQM ประเมินภาพผิดเพี้ยนจากเทคนิคเรนเดอร์สมัยใหม่
เช่น DLSS, FSR, XeSS, Gaussian splatting, frame gen, denoising
สร้างชุดข้อมูล CGVQD เพื่อฝึกโมเดล AI
ประกอบด้วยวิดีโอที่มี distortions หลากหลายรูปแบบ
ใช้การให้คะแนนจากมนุษย์เป็น baseline
เพื่อฝึกโมเดลให้เข้าใจความรู้สึกต่อภาพผิดเพี้ยน
CGVQM-5 มีความแม่นยำใกล้เคียงกับมนุษย์
ส่วน CGVQM-2 ก็ยังติดอันดับ 3 จากเครื่องมือที่ทดสอบ
เปิดให้ใช้งานฟรีบน GitHub ในรูปแบบ PyTorch
เหมาะสำหรับนักพัฒนาเกมและนักวิจัยด้านกราฟิก
CGVQM ยังไม่เป็นมาตรฐานอุตสาหกรรม
ต้องรอการยอมรับจากนักพัฒนาและผู้ผลิตเกมในวงกว้าง
โมเดล AI อาจไม่แม่นยำกับวิดีโอที่อยู่นอกชุดข้อมูลฝึก
แม้จะมีความสามารถในการ generalize แต่ยังต้องทดสอบเพิ่มเติม
การใช้โมเดล 3D-CNN ต้องใช้ทรัพยากรค่อนข้างสูง
อาจไม่เหมาะกับการประเมินแบบเรียลไทม์ในระบบที่จำกัด
ยังไม่มีการเปรียบเทียบกับโมเดลแบบ transformer อย่างละเอียด
ซึ่งอาจให้ผลลัพธ์ที่ดีกว่าในอนาคตแต่ต้องใช้พลังประมวลผลมาก
https://www.tomshardware.com/video-games/pc-gaming/intel-releases-new-tool-to-measure-gaming-image-quality-in-real-time-ai-tool-measures-impact-of-upscalers-frame-gen-others-computer-graphics-video-quality-metric-now-available-on-github
🎙️ เรื่องเล่าจากโลกกราฟิกเกม: Intel เปิดตัว CGVQM เครื่องมือ AI วัดคุณภาพภาพเกมแบบเรียลไทม์
ในยุคที่เกมสมัยใหม่ใช้เทคนิคเรนเดอร์ขั้นสูง เช่น supersampling, denoising, frame interpolation และ shading แบบปรับอัตราอัตโนมัติ การประเมินคุณภาพภาพด้วยสายตาอาจไม่แม่นยำพอ Intel จึงเปิดตัว CGVQM ซึ่งเป็นโมเดล AI ที่สามารถวิเคราะห์และให้คะแนนคุณภาพภาพของเกมได้อย่างแม่นยำและเป็นกลาง
CGVQM ประกอบด้วย 2 ส่วนหลัก:
1️⃣ ชุดข้อมูลวิดีโอ CGVQD ที่รวบรวมตัวอย่างภาพผิดเพี้ยนจากเทคนิคเรนเดอร์ต่าง ๆ
2️⃣ โมเดล AI แบบ 3D-ResNet ที่ถูกฝึกให้รู้จักความผิดเพี้ยน เช่น ghosting, flicker, aliasing และ disocclusion โดยเทียบกับการให้คะแนนจากมนุษย์
ผลการทดสอบพบว่า CGVQM-5 มีความแม่นยำใกล้เคียงกับการประเมินของมนุษย์ ส่วน CGVQM-2 ก็ยังติดอันดับ 3 จากเครื่องมือทั้งหมดที่นำมาทดสอบ
เครื่องมือนี้เปิดให้ใช้งานฟรีบน GitHub ในรูปแบบ PyTorch application และสามารถนำไปใช้วิเคราะห์คุณภาพภาพของเกมหรือแอปพลิเคชันกราฟิกแบบเรียลไทม์ได้ทันที
✅ Intel เปิดตัว CGVQM เครื่องมือ AI สำหรับวัดคุณภาพภาพเกม
➡️ ใช้โมเดล 3D convolutional neural network (3D-ResNet-18)
✅ CGVQM ประเมินภาพผิดเพี้ยนจากเทคนิคเรนเดอร์สมัยใหม่
➡️ เช่น DLSS, FSR, XeSS, Gaussian splatting, frame gen, denoising
✅ สร้างชุดข้อมูล CGVQD เพื่อฝึกโมเดล AI
➡️ ประกอบด้วยวิดีโอที่มี distortions หลากหลายรูปแบบ
✅ ใช้การให้คะแนนจากมนุษย์เป็น baseline
➡️ เพื่อฝึกโมเดลให้เข้าใจความรู้สึกต่อภาพผิดเพี้ยน
✅ CGVQM-5 มีความแม่นยำใกล้เคียงกับมนุษย์
➡️ ส่วน CGVQM-2 ก็ยังติดอันดับ 3 จากเครื่องมือที่ทดสอบ
✅ เปิดให้ใช้งานฟรีบน GitHub ในรูปแบบ PyTorch
➡️ เหมาะสำหรับนักพัฒนาเกมและนักวิจัยด้านกราฟิก
‼️ CGVQM ยังไม่เป็นมาตรฐานอุตสาหกรรม
⛔ ต้องรอการยอมรับจากนักพัฒนาและผู้ผลิตเกมในวงกว้าง
‼️ โมเดล AI อาจไม่แม่นยำกับวิดีโอที่อยู่นอกชุดข้อมูลฝึก
⛔ แม้จะมีความสามารถในการ generalize แต่ยังต้องทดสอบเพิ่มเติม
‼️ การใช้โมเดล 3D-CNN ต้องใช้ทรัพยากรค่อนข้างสูง
⛔ อาจไม่เหมาะกับการประเมินแบบเรียลไทม์ในระบบที่จำกัด
‼️ ยังไม่มีการเปรียบเทียบกับโมเดลแบบ transformer อย่างละเอียด
⛔ ซึ่งอาจให้ผลลัพธ์ที่ดีกว่าในอนาคตแต่ต้องใช้พลังประมวลผลมาก
https://www.tomshardware.com/video-games/pc-gaming/intel-releases-new-tool-to-measure-gaming-image-quality-in-real-time-ai-tool-measures-impact-of-upscalers-frame-gen-others-computer-graphics-video-quality-metric-now-available-on-github
0 ความคิดเห็น
0 การแบ่งปัน
23 มุมมอง
0 รีวิว