看到下图，你可能会觉得这只是现实生活中的一张照片。
其实这是“图片增强”后的GTA5游戏截图。看起来很逼真吗？感觉和真实画面差不多。
与早期的《纸人》游戏相比，3A大作发生了翻天覆地的变化。不仅建模质量远胜从前，还得益于画质引擎和硬件技术的不断发展，现在我们在很多游戏中都能看到画质细腻、特效华丽的游戏场景。
(相关资料图)
但是在一些注重逼真模拟的沙盒游戏中，即使画面精美，我们还是一眼就能分辨出是游戏中的画面。用“低情商”的话说，游戏画面的质感还是不够贴近现实世界。
最近，英特尔实验室的研究人员正在考虑如何使用机器学习来使渲染的游戏屏幕看起来更接近真实世界。如果这项技术能够实现并广泛应用，可能会将游戏质量提升到一个新的水平。
英特尔项目摘要中描述了如何通过卷积神经网络(深度学习算法)增强合成图像。
团队将使用游戏中渲染的图像和中间渲染缓冲区(G缓冲区)的信息来训练神经网络；
这个中间渲染缓冲区提供关于场景中的几何图形、材质和照明的信息，并用作图像增强网络的输入来调制图像特征。最后，通过图像增强网络，图像在视觉上与现实生活中的图像相似。
其实这就像我们生活中的“依葫芦画瓢”。要画一个一模一样的葫芦，必须知道葫芦的外观、大小等“参数”。这些参数存在于你的脑海中，然后你在画葫芦的时候，你会把这些储存在脑海中的“参数”应用到画面中，这样葫芦就能有更高的相似度。
但是这种技术还是存在一些问题，比如车牌模糊，颜色与视频其余部分相比比较苍白，与真实颜色还是有一些差异。
总之，英特尔的项目对于游戏领域，尤其是游戏画质的发展有一定的进步意义，这意味着游戏领域可以充分利用深度学习技术提升游戏体验。
目前，超采样深度学习的DLSS技术和模拟真实光线渲染的RTX光线跟踪技术已经得到广泛应用。如果未来英特尔的这个项目能够成功实施，未来在游戏或者VR虚拟现实领域可能会出现前所未有的视觉颠覆。
关键词：
