– Intel lança ferramenta CGVQM, métrica de qualidade visual em jogos via rede neural, open‑source
– Novidade utiliza dataset CGVQD com artes aplicadas a DLSS, XeSS, splatting e frame‑gen
– Resultado apresenta pontuações confiáveis e mapas de erros que superam métricas clássicas
Conforme publicado pelo Tom’s Hardware hoje, quarta-feira (16), a Intel lançou uma poderosa ferramenta de código aberto que promete revolucionar a forma como é medida a qualidade de imagem em jogos em tempo real.
O novo Computer Graphics Video Quality Metric (CGVQM), já disponível no GitHub como aplicação em PyTorch, permite avaliar objetivamente efeitos de upscalers, geração de frames e outros artefatos visuais.
- Tesla entrega IA só para veículos com AMD: entenda ausência dos modelos com CPUs Intel
- Demissões na Intel podem quintuplicar em relação ao previsto: entenda os motivos
A inteligência por trás do CGVQM começa com um conjunto de dados exclusivo, o CGVQD (Computer Graphics Visual Quality Dataset), projetado para incluir uma ampla gama de degradações específicas de cenários modernos de renderização.
Na prática, isso inclui desde aliasing e ghosting até falhas de upscaling e interpolação de movimento, capturando distorções geradas por técnicas como DLSS, XeSS, FSR, splatting temporal e denoising neural. Após reunir vídeos com e sem esses artefatos, a Intel utilizou avaliações humanas para estabelecer uma “fonte de verdade”, classificando trechos como de qualidade “imperceptível” a “muito incômodo”.
Eficiência é um dos destaques
Com essa base, engenheiros da Intel treinaram redes neurais convolucionais 3D, que são capazes de avaliar não apenas padrões espaciais, mas também artefatos temporais. Os modelos CGVQM-2 e CGVQM-5 se destacam, com o second best (CGVQM‑5) chegando quase ao nível da análise humana e o CGVQM‑2 logo após, comprovando performance superior a métricas tradicionais como PSNR ou SSIM.
Além da precisão das medições, o CGVQM produz mapas de erro pixel a pixel, indicando em qual local a degradação ocorre e por que, e gera pontuações globais interpretáveis, o que torna a ferramenta bem valiosa para desenvolvedores de jogos que usam técnicas sofisticadas de IA para melhorar performance ou imagem.
E na prática? O que muda?
Vale destacar que o impacto prático pode ser enorme. Enquanto métricas como PSNR falham com artefatos típicos de renderização em tempo real, pois foram concebidas para compressão de vídeo, o CGVQM foi calibrado especificamente para este contexto, analisando distorções modernas Com isso, é possível medir e comparar geradores de frame (frame-gen), sistemas de upscaling e até variações de shading adaptativo, com muito mais precisão.
Por fim, a Intel publicou os detalhes técnicos no paper “CGVQM+D: Computer Graphics Video Quality Metric and Dataset” em junho de 2025, e o código completo está no repositório “IntelLabs/cgvqm” no GitHub. A ferramenta já está disponível para download e testes pelos desenvolvedores e pesquisadores interessados.