La qualità visiva è diventata un parametro essenziale nell’esperienza videoludica contemporanea, soprattutto con l’affermarsi di tecniche avanzate di rendering e upscaling. Per rispondere a questa esigenza, Intel ha presentato CGVQM, uno strumento open source pensato per ridefinire la valutazione della resa grafica. La nuova soluzione si distingue per la capacità di fornire misurazioni oggettive, superando i limiti delle metriche tradizionali e offrendo agli sviluppatori un supporto efficace per ottenere immagini realistiche e ottimizzare i processi produttivi in tempi più rapidi.
La valutazione della qualità visiva nei videogiochi è stata per anni affidata a metriche come PSNR e SSIM, nate per la compressione video e poco adatte a individuare le imperfezioni generate dalle tecniche di rendering più recenti. L’evoluzione di tecnologie come DLSS, FSR, XeSS, path tracing e Gaussian splatting ha evidenziato la necessità di strumenti più sofisticati in grado di affrontare le nuove sfide legate agli effetti visivi complessi. CGVQM è stato sviluppato proprio per colmare questo vuoto, fornendo una metrica in grado di garantire affidabilità e precisione nella misurazione della resa grafica. Alla base dello strumento si trova una rete neurale convoluzionale tridimensionale costruita sull’architettura 3D-ResNet-18 e addestrata sul dataset proprietario CGVQD, che include 80 clip video provenienti da ben 15 ambienti tridimensionali open source e valutati da un panel di 20 soggetti. Grazie a questo addestramento, la rete mostra un’elevata sensibilità nella rilevazione di difetti come ghosting, aliasing, flicker e instabilità temporale, problematiche sempre più frequenti nei giochi di ultima generazione. La soluzione viene rilasciata in due varianti, CGVQM-5, più accurata ma anche più esigente in termini di risorse, e CGVQM-2, adatta a sistemi con hardware limitato.
Entrambe offrono la possibilità di generare mappe di errore dettagliate che consentono di localizzare rapidamente le aree critiche, riducendo la dipendenza da valutazioni soggettive e accorciando i tempi di ottimizzazione. L’integrazione all’interno dei flussi di lavoro è resa più semplice grazie a plugin dedicati per Unreal Engine e hook per Vulkan, strumenti che permettono di monitorare in tempo reale la qualità grafica e favorire cicli di sviluppo più rapidi con un miglioramento continuo della resa visiva. Particolare rilevanza assume l’applicazione al path tracing, dove CGVQM consente di calcolare automaticamente il numero minimo di campioni per pixel necessari a ottenere una resa visiva equivalente alla reference, con una notevole riduzione dei tempi di rendering e senza sacrificare la fedeltà delle immagini. La natura differenziabile della metrica permette inoltre l’impiego nel training di reti neurali, utilizzandola come funzione di perdita per orientare l’ottimizzazione verso la massimizzazione della qualità percepita. Nonostante alcune limitazioni riscontrate con dataset molto diversi da quelli utilizzati in fase di addestramento, i test condotti hanno confermato una notevole capacità di generalizzazione anche su contenuti inediti.
Conclusioni
L’arrivo di CGVQM segna un punto di svolta nella misurazione della qualità grafica nei videogiochi e nelle applicazioni di rendering in tempo reale. La combinazione di reti neurali avanzate, varianti adattabili a diverse configurazioni hardware, compatibilità con i motori di sviluppo e applicazioni concrete nel path tracing e nell’Intelligenza Artificiale, rende questa tecnologia uno strumento strategico per gli sviluppatori. Intel propone così un nuovo standard in grado di supportare l’industria nella creazione di esperienze visive sempre più realistiche ed efficienti.
