英特尔近日在GitHub开源了基于AI的视频质量评估工具CGVQM（计算机图形视觉质量指标），旨在为游戏和实时渲染画面提供客观量化标准。该工具以PyTorch形式发布，配套研究论文同步公开。
当前游戏普遍依赖DLSS等超分技术提升性能，但易引发鬼影、闪烁等视觉问题，而传统画质指标（如PSNR）仅评估压缩伪影，无法全面反映实时渲染的复杂失真。为此，英特尔团队构建了CGVQD数据集，涵盖路径追踪、神经超采样等技术引发的多样化画质退化，并基于该数据集训练了CGVQM模型。该模型采用3D卷积神经网络（3D-ResNet-18架构），可同时捕捉时空维度的图像特征，更精准识别动态画质问题。
实验表明，CGVQM评估效果全面超越现有工具：复杂版CGVQM-5接近人类评分基线，简化版CGVQM-2亦稳居前三，且在未训练视频中展现良好泛化能力。未来可通过引入Transformer或光流信息进一步优化模型性能。
