图像增强（图像增强心得体会）原创2021-05-15 00:57·太平洋电脑网
看到下方这张图，你可能以为这只是现实生活中的一张照片。其实这是一张经过了“画面增强”的GTA5游戏截图，看上去是不是非常逼真？感觉与现实中的画面已经相差无几了。
如今的3A大作相比早期的“纸片人”游戏，已经有着翻天覆地的变化，不仅建模素质远胜以往，而且得益于画质引擎和硬件技术的不断发展，现在在许多游戏中，我们都能见到画质精美、特效绚丽的游戏场面。
不过有一些主打现实模拟的沙盒游戏中，即便是画面再精美，我们还是能够一眼分辨出这是游戏中的画面，用“低情商”一些的说法，就是游戏画面质感仍然现实世界不够贴近。
最近，英特尔实验室的研究人员正在思考如何使用机器学习，能够使渲染的游戏画面看起来更加接近现实世界。如果这项技术可以实现并投入广泛使用，可能会将游戏画质提升到一个新的水平。
在英特尔这个项目的摘要中，描述了如何通过卷积神经网络（一种深度学习算法）来增强合成图像。团队将使用来自游戏的渲染图像以及中间渲染缓冲区（G缓冲区）的信息对神经网络进行训练；这个中间渲染缓冲区提供了有关场景中的几何体、材质和光照的信息，并用作图像增强网络调制图像特征的输入，最后通过画面增强网络，形成了与现实生活视觉上相差无几的画面。
其实这就像我们生活中的“照葫芦画瓢”，想要画一个一模一样的葫芦，我们必须要了解葫芦的外观和尺寸大小等“参数”，这些参数就存在你的脑海里，然后你在画葫芦的时候，就会将这些脑海里存放的“参数”运用在画面上，这样画出来的葫芦才能有更高的相似度。
不过这个技术目前还存在着一些问题，例如车牌变得模糊不清，与视频其余部分相比颜色显得比较苍白，与现实中的色彩仍有一些差别。
总而言之，英特尔这个项目对于游戏领域，特别是游戏画质的发展具有一定的进步意义，这意味游戏领域可以充分运用深度学习技术来提升游戏体验，目前已经广泛应用的有超采样深度学习的DLSS技术和模拟真实光线渲染的RTX光线追踪技术，未来英特尔的这个项目如果能顺利进行并成功实