Един от най-впечатляващите аспекти на Grand Theft Auto V е доколко San Andreas наближава реалния живот в Лос Анджелис и Южна Калифорния, но нов проект за машинно обучение от Intel Labs, наречен „Подобряване на подобрението на фотореализма“, може да го тласне към фотореализъм (чрез Gizmodo).
Провеждането на играта през процесите, създадени от изследователите Stephan R. Richter, Hassan Abu Alhaija и Vladlen Kolten, дава изненадващ резултат: визуален външен вид, който има несъмнено сходство с видовете снимки, които небрежно можете да направите през размазания преден прозорец на колата си. Трябва да го видите в движение, за да го оцените наистина, но комбинацията от леко измито осветление, по-гладка настилка и вероятно отразяващи автомобили просто продава факта, че гледате към истинската улица от истинско табло, дори и да е всички виртуални.
Изследователите на Intel предполагат, че част от този фотореализъм идва от наборите от данни, с които са захранвали невронната си мрежа. Групата предлага по-задълбочено и задълбочено обяснение как всъщност работи подобряването на изображението (PDF), но както разбирам, използваният набор от данни Cityscapes, построен предимно от снимки на немски улици, попълва много детайлът. Той е по-слаб и от различен ъгъл, но почти улавя това, което си представям, може да бъде една по-плавна и интерактивна версия на превъртането през Street View на Google Maps. Той не се държи изцяло като истински, но изглежда много като че е изграден от реални неща.
Изследователите казват, че техните подобрения надхвърлят възможностите на други процеси на фотореалистично преобразуване, като също така интегрират геометрична информация от самия GTA V. Тези „G-буфери“, както ги наричат изследователите, могат да включват данни като разстоянието между обектите в играта и камерата и качеството на текстурите, като блясъка на автомобилите.
Въпреки че утре може да не видите официална „актуализация на фотореализма“ към GTA V, може би вече сте играли игра или сте гледали видеоклип, който се е възползвал от друг вид машинно обучение – AI upscaling. Процесът на използване на интелигентно машинно обучение за взривяване на графики с по-висока разделителна способност не се появява навсякъде, но е представен в Shield TV на Nvidia и в няколко различни мод проекта, фокусирани върху надграждането на графиките на по-старите игри. В тези случаи невронната мрежа прави прогнози, за да попълни липсващите пиксели подробности от игра с по-ниска разделителна способност, филм или телевизионно предаване, за да достигне тези по-високи разделителни способности.
Фотореализмът вероятно не би трябвало да бъде единствената графична цел за видеоигрите (настрана артистичността, изглежда някак страховито), но този проект на Intel Labs показва, че вероятно има толкова много място за растеж от страна на софтуера на нещата, колкото има в суровата мощ на GPU на новите конзоли и компютърни игри.