Intel представи революционна AI-базирана метрика за визуално качество в игрите — CGVQM (Computer Graphics Visual Quality Metric). Тя е предназначена да измерва обективно ефекта на съвременните графични технологии като апскейлинг (например DLSS, FSR, XeSS), интерполация на кадри и динамично засенчване върху крайната картина, която вижда играчът.

За разлика от класически показатели като PSNR, CGVQM е специално обучена да разпознава визуални дефекти като трептене, ghosting, стъпаловидност и разкъсване на обекти — типични за модерните методи на рендиране.

Създаването на тази метрика е дело на изследователски екип от Intel, включващ Акшай Джиндал, Набил Садака и Антон Соченов. Те предлагат двуетапен подход — първо събират специфичен набор от видео данни (CGVQD), в който са приложени различни методи за графична обработка, след което обучават невронната мрежа CGVQM на базата на човешки оценки. Доброволци са оценявали видеа по скала от "незабележими артефакти" до "силно дразнещи", което позволява на модела да се доближи максимално до човешкото възприятие.

Архитектурата на модела използва триизмерна свертъчна невронна мрежа (3D-CNN) на базата на ResNet-18. Това дава възможност за анализ не само на статични изображения, но и на времеви промени във видеото — критично важно за гейминг сцените, където движението играе основна роля. Най-новата версия CGVQM-5 показва резултати, близки до човешката оценка, а по-лека версия CGVQM-2 се нарежда трета сред съществуващите метрики.

Intel планира да разшири възможностите на инструмента, включително чрез използване на трансформаторни архитектури и добавяне на анализ на оптичния поток. CGVQM вече се оформя като универсален инструмент, способен да анализира видео съдържание отвъд обучителния си набор — важна стъпка към по-точни и мащабируеми анализи в бъдеще.