语义感知的游戏图像质量评估
计算机视觉与模式识别
2025-05-20 v1 图像与视频处理
摘要
评估视频游戏图形的视觉质量具有独特挑战，由于缺乏参考图像以及不同于自然图像或用户生成内容的畸变类型，如锯齿、纹理模糊和几何层次细节（LOD）问题。现有的无参考图像和视频质量评估（NR-IQA/VQA）方法无法在游戏环境中泛化，因为它们主要为压缩类畸变设计。本研究引入一种针对游戏的语义感知无参考 IQA 模型。该模型采用知识蒸馏得到的游戏畸变特征提取器（GDFE）以检测和量化游戏特定畸变，同时通过 CLIP 嵌入集成语义门控，以基于场景内容动态加权特征重要性。训练在图形质量预设下记录的游戏play数据，使模型能够产出与人类感知一致的质量评分。我们的结果表明，GDFE 经过知识蒸馏自二进制分类器训练，能够有效泛化到训练中未出现的中间畸变水平。语义门控进一步提高了上下文相关性并降低了预测方差。在缺乏领域内 NR-IQA 基准的情况下，我们的模型在领域外方法上胜出，并在同一类型游戏中表现出稳健且单调的质量趋势。本工作为游戏中的自动化图形质量评估奠定了基础，推动了该领域的 NR-IQA 方法的发展。
引用
@article{arxiv.2505.11724,
title = {Semantically-Aware Game Image Quality Assessment},
author = {Kai Zhu and Vignesh Edithal and Le Zhang and Ilia Blank and Imran Junejo},
journal= {arXiv preprint arXiv:2505.11724},
year = {2025}
}
备注
16 pages, 12 figures