Intel, oyun geliştiricileri ve görsel kalite araştırmacıları için önemli bir yeniliğe imza atarak Computer Graphics Visual Quality Metric (CGVQM) adındaki ilk açık kaynak gerçek zamanlı oyun görselleri kalite ölçüm aracını tanıttı. Intel CGVQM, insan değerlendirmesinin doğruluğuna çok yakın sonuçlar sunabilmesiyle dikkat çekiyor.
CGVQM’nin temelini oluşturan CG-VQD veri seti, toplamda 80 adet üç saniyelik kısa oyun klibinden oluşuyor. Bu klipler, Amazon’un Bistro demosundan özel tasarlanmış House ve Bridge gibi çevrelere kadar 15 farklı açık kaynaklı 3D sahneyi kapsıyor. Görseller, sinirsel üst örnekleme, yol izleme (path tracing), Gaussian splatting gibi altı farklı güncel işleme yönteminden geçirilmiş. Bu çeşitlilik, gerçek dünyadaki farklı oyun içi görsellerin başarıyla temsil edilmesine olanak tanıyor.
Intel araştırmacıları, CGVQM’nin temeline 3D ResNet‑18 tabanlı önceden eğitilmiş bir ağı yerleştirdi. Bu model, kanal ağırlıkları gönüllülerin verdiği kalite puanlarıyla uyumlu olacak şekilde sonradan ayarlandı. Sonuçta ortaya çıkan CGVQM‑5 modeli, insan değerlendirmelerine en yakın tam referans metrik olurken, rakiplerini de geride bırakıyor.
CGVQM Nasıl Çalışıyor?
Oyun görüntü klipleri, CGVQM tarafından daha küçük parçalara bölünüyor. Ardından, 3D ResNet tabanlı derin sinir ağı modeli ile her parçadan anahtar görsel özellikler çıkarılıyor. Sistem, kanal bazında ağırlıkları ayarlayarak tahmin ettiği kalite puanlarını insan puanları ile mümkün olduğunca yaklaştırıyor. Özellikle CGVQM‑5, tüm beş ResNet blok katmanını inceleyerek en yüksek doğruluğa ulaşıyor.
Daha hafif ve hızlı bir alternatif için ise CGVQM‑2 modeli geliştirildi. CGVQM‑2, yalnızca ilk iki ResNet bloğunu kullanıyor ve sonraki katmanların çoğunu dışarıda bırakıyor. Böylece ölçüm süreleri önemli ölçüde kısalıyor; buna rağmen halen rakip metriklerin önünde sonuç veriyor.
Geliştiriciler İçin Pratik Kullanım ve Entegrasyon
Hem CGVQM‑5 hem CGVQM‑2 modelleri, oyun içi görsellerdeki bozulmaları haritalamak için hata haritaları üretebiliyor. Bu haritalar sayesinde gölgelenme, hayalet efekti veya titreme gibi artefaktlar ayrıntılı biçimde gözlemlenebiliyor. Geliştiriciler, geleneksel kullanıcı testleri yapmadan direkt olarak görsel sorunları tespit edip hızlıca müdahale edebilecek.
Intel’in bu aracı açık kaynak olarak GitHub üzerinden erişime açıldı. Oyun geliştiricileri CGVQM araç setini klonlayıp Vulkan API veya Unreal Engine eklentilerini kullanarak doğrudan kendi çalışma süreçlerine entegre edebiliyor. Bu sayede, oyun içindeki sahneler hızlıca kalite açısından değerlendiriliyor ve on-the-fly olarak sorunlu bölgeler belirlenebiliyor.
Teknik Detaylar ve Kullanıcı Geri Bildirimleri
CGVQM modelinin geliştirilmesinde gönüllü insan değerlendirmeleri kritik bir rol oynadı. Veri setindeki tüm sahneler, farklı kişi grupları tarafından sıralı olarak puanlandı. Modelin kanal ağırlıkları ve çıkışları bu puanlarla optimize edildi. CGVQM‑5 modelinin, bugüne kadarki tüm tam referans metriklerden daha yüksek ölçüm doğruluğuna ulaştığı açıklandı.
Araç aracılığıyla oluşturulan hata haritalarında artifaktlar net biçimde ayırt edilebilmekte. CGVQM ile yapılan ölçümlerde, geleneksel testlerde sıklıkla gözden kaçan detaylar da ilk bakışta öne çıkıyor. Geliştiriciler, düzenli olarak yapılan kullanıcı testlerine başvurmadan, erken aşamada kalitedeki sapmaları belirleyebilecekler.
Görsel açıdan hem hızlı hem de güvenilir ölçümler sağlayan Intel CGVQM, oyun ve grafik endüstrisi için önemli bir açık kaynak araç olma özelliği taşıyor. Araç, gerçek zamanlı oyun üretiminde kaliteli görsellerin süratle belirlenmesini ve iyileştirilmesini mümkün kılıyor.
