یکی از جنبه های چشمگیر Grand Theft Auto V این است که چقدر San Andreas بازی با زندگی واقعی لس آنجلس و کالیفرنیای جنوبی نزدیک است ، اما یک پروژه جدید یادگیری ماشین از آزمایشگاه های Intel به نام "Enhancing Photorealism Enhancement "ممکن است این واقع گرایی را در جهت عکس العمل ناامیدکننده ای فوتورالیستی (از طریق Gizmodo ) به دست آورد.
استفاده از این بازی در فرآیند هایی که محققان Stephan R. Richter ، حسن Abu Alhaija و Vladlen Kolten ایجاد کردند ، نتیجه ای شگفت آور ایجاد می کند: یک نگاه بصری که شباهت های غیرقابل انکاری با انواع عکس هایی دارد که ممکن است از روی جلوی جلوی لکه اتومبیل خود بگیرید. شما باید آن را در حرکت ببینید تا واقعاً قدر آن را بدانید ، اما ترکیبی از نور کمی شسته شده ، روسازی هموارتر و اتومبیل هایی با انعکاس باورنکردنی فقط این واقعیت را به فروش می رساند که شما از یک داشبورد واقعی به خیابان واقعی نگاه می کنید ، حتی اگر
محققان اینتل معتقدند برخی از این واقعیت های نوری از مجموعه داده هایی است که آنها از شبکه عصبی آنها تغذیه می کنند. این گروه توضیحات عمیق تر و کاملی در مورد چگونگی عملکرد واقعی تصویر در مقاله خود ارائه می دهند (PDF) ، اما همانطور که من آن را درک می کنم ، مجموعه داده Cityscapes که استفاده شده است – که عمدتا از عکس های خیابان های آلمان ساخته شده است – در بسیاری از موارد پر شده است جزئیات. کم نورتر و از زاویه دیگری است ، اما تقریباً همان چیزی را تصور می کند که من یک نسخه نرم و تعاملی از پیمایش در نمای خیابان Google Maps می تواند باشد. این کاملاً واقعی به نظر نمی رسد ، اما به نظر می رسد از چیزهای واقعی ساخته شده باشد.
محققان می گویند پیشرفت های آنها فراتر از آن است که سایر فرایندهای تبدیل واقع بینانه با استفاده از یکپارچه سازی اطلاعات هندسی GTA توانایی آن را دارند. V خودش. این "بافرهای G" ، به گفته محققان ، می توانند شامل داده هایی مانند فاصله بین اشیا in موجود در بازی و دوربین و کیفیت بافت ها مانند براق بودن اتومبیل ها باشند.
گرچه ممکن است فردا شاهد بروزرسانی رسمی "فوتورئالیسم" تا GTA V نباشید ، ممکن است قبلاً یک بازی انجام داده باشید یا ویدیویی را تماشا کرده باشید که از نوع دیگری از یادگیری ماشینی بهره مند شده است – ارتقا AI AI. روند استفاده از هوشمندهای یادگیری ماشینی برای منفجر کردن گرافیک با وضوح بالاتر در همه جا نشان داده نمی شود ، اما در Nvidia’s Shield TV و در چندین پروژه مختلف مد برای ارتقا the گرافیک بازی های قدیمی وجود دارد در این موارد ، یک شبکه عصبی پیش بینی هایی را برای پر کردن پیکسل های از دست رفته از یک بازی ، فیلم یا نمایش تلویزیونی با وضوح پایین تر برای دستیابی به وضوح بالاتر ارائه می دهد.
Photorealism احتمالاً نباید تنها هدف گرافیکی بازی های ویدیویی باشد وجود دارد (هنرمندی کنار ، به نظر می رسد نوعی وحشتناک باشد) ، اما این پروژه آزمایشگاه های Intel نشان می دهد که احتمالاً به همان اندازه که قدرت GPU خام کنسول های جدید و رایانه های شخصی بازی دارد ، فضای لازم برای رشد نرم افزار وجود دارد.
