Populärteknik

Intels algoritmer skapar "fotorealistisk" grafik i GTA V

Exempel på hur algorimterna ändrar och väljer ut bilder, från Intels rapport. Foto: Intel
Exempel på hur algorimterna ändrar och väljer ut bilder, från Intels rapport. Foto: Intel
Framsteget har gjorts av Intels forskningsavdelning Intel Labs. Foto: TT
Framsteget har gjorts av Intels forskningsavdelning Intel Labs. Foto: TT

Ett nytt maskininlärningsprojekt från Intels FoU-avdelning Intel Labs visar upp vad som kan vara framtiden för tv- och dataspelsgrafik. Genom en mängd olika algoritmer har bolaget lyckats göra dataspelet GTA V betydligt mer realistisk.

Publicerad

Det är det stundtals utskällda gangsterspelet ”Grand Theft Auto V” som Intel tagit sig an och kört genom ett maskininlärningsnät. Förutom geometrisk information från själva spelet har algoritmerna också matats med data från Cityscapes, en databas med bilder på gator i Tyskland, den globala motsvarigheten Mapillary Vistas, samt forskningsprojektet Kitti.

Det hela har analyserats av Intels algoritmer för att ta fram uppgifter om geometri, vilka material som finns i bilderna, och hur ljuset ser ut. Informationen används för att skapa nya bilder, baserat på tekniken Hrnetv2 (en mer avancerad variant av tekniken Hrnet, highresolution network). Bilden processas i olika upplösningar och i en mängd olika versioner som utvärderas av två olika algoritmer.

Algoritmerna rankar olika bilder

Den första bedömer skillnaden mellan den bild som nätverket började med och slutresultatet, och väljer ut bilderna med minst skillnad. Den andra bedömer realismen i bilderna. Utifrån de bilder som algoritmerna valt ut som bäst har Intels forskare satt ihop en ny grafik till dataspelet.

Och resultatet är slående: spelets grafik blir betydligt mer realistisk, Intel själva kallar den fotorealistisk. Den lite animerade känslan i många dataspels grafik ersätts av vad som ser ut mer som en film från vilken gata som helst. Skillnaden syns tydligast i rörlig bild, som i videon nedan:

Den som vill ha en mer djupgående förklaring av hur tekniken fungerar kan läsa forskarnas egen artikel ” Enhancing photorealism enhancement” här.