英特爾近日在 GitHub 開源了一款基于 AI 的視頻質量評估工具 —— 計算機圖形視覺質量指標（Computer Graphics Visual Quality Metric，簡稱 CGVQM），旨在為現代游戲和實時渲染圖形的畫質評價提供客觀衡量標準。該工具已以 PyTorch 應用形式在 GitHub 上發布，同時配套研究論文《CGVQM+D：計算機圖形視頻質量指標及數據集》也對外公布。
當前游戲畫面很少以原生幀渲染，普遍依賴 DLSS 等超分技術、幀生成、可變速率著色等手段提升性能與畫質，但也由此引發鬼影、閃爍、鋸齒、遮擋等各種視覺問題。此前業內多通過主觀評價描述這些缺陷，缺乏標準化的客觀量化工具。
據IT之家了解，盡管視頻壓縮評估常用的峰值信噪比（PSNR）等指標可用來衡量畫質，但這些方法并不適用于實時圖形渲染。PSNR 主要評估壓縮偽影，難以全面反映實時圖形中的復雜失真與畫質劣化。
為此，英特爾研究團隊采取了雙管齊下的策略：一方面，構建了一個全新視頻數據集 —— 計算機圖形視覺質量數據集（CGVQD），涵蓋路徑追蹤、神經去噪、神經超采樣（如 FSR、XeSS、DLSS）、高斯潑濺、幀插值和可變速率著色等技術所引發的多樣化畫質退化；另一方面，基于該數據集，訓練了 CGVQM AI 模型，專門用于識別并量化這些失真。
研究團隊邀請人類觀察者對數據集中的視頻失真程度進行評級，形成“幾乎不可察覺”到“非常惱人”的感知基線，再以此為依據訓練 AI 模型。模型采用 3D 卷積神經網絡（3D-CNN），具體基于 3D-ResNet-18 架構。3D 網絡相較于 2D 模型，可同時捕捉空間和時間維度的圖像特征，更好識別視頻中動態變化帶來的畫質問題。
實驗顯示，CGVQM 的評估效果幾乎全面超越現有同類工具。其中更復雜的 CGVQM-5 模型在 CGVQD 數據集上，僅次于人類基線評分，簡單版 CGVQM-2 也穩居第三。更重要的是，CGVQM 在未見過的視頻中同樣展現了良好的泛化能力，使其具備廣泛適用價值。
研究人員同時指出，未來可通過引入 Transformer 網絡架構進一步提升模型性能，盡管這會帶來更高的計算資源消耗；也可引入光流等信息以優化失真識別。
