据外媒RoadtoVR报道，近日英特尔智能系统实验室的研究人员揭示了一种采用真实照片来增强计算机生成图像的方法，并在「侠盗猎车手5」上进行了演示，该方法利用深度学习技术来分析游戏生成帧，然后从真实图像数据集中生成新的帧，尽管目前处于研究状态的这项技术对于当前游戏而言速度太慢，但它可能代表了未来实时计算机图形学的一个全新方向。
虽然「侠盗猎车手5」在2013年发布，但它仍是一款画面出众的游戏，不过其还达不到符合“逼真级画面”的定义。
尽管我们已经可以创建预渲染的真实照片级真实感图像，但是实时做到这一点仍然是个非常大的挑战，虽然实时光线追踪使我们朝向“逼真的图形”方向迈出了一步，但即使是当今画质最高的游戏与真正的照片级写实感图像之间仍然存在差距。
英特尔智能系统实验室的研究人员发表了一份研究报告，报告阐述了通过在「侠盗猎车手5」现有渲染引擎之上构建深度学习系统来创建真正逼真的实时图像的方法，报告显示结果令人印象深刻，图像显示稳定性远远超过了同类方法。
从概念上讲，该方法类似于NVIDIA的深度学习超级采样（DLSS），但是，虽然DLSS旨在通过摄取图像生成同一图像的更清晰版本，但是智能系统实验室的方法是先摄取图像，然后通过从现实生活图像的数据集（特别是称为Cityscapes的数据集）中提取图像来增强其真实感，该数据集以汽车视角度出发，以街景图像为特色。该方法通过从数据集中提取与「侠盗猎车手5」引擎最初生成的帧中显示的内容最匹配的特征来创建一个全新的帧。
这种“风格转换”方法并不完全是全新的，但是这种方法的创新之处在于它将G-buffer数据作为图像合成过程的一部分整合在了游戏引擎中。
G-buffer是每个游戏帧的表示，包括深度、反照率、法线贴图及对象分割等用于游戏引擎正常渲染过程中使用的信息，智能系统实验室的方法不仅查看游戏引擎渲染的最终帧，还查看G-buffer所有可用的额外数据，以便能够更好判断如何从真实感数据集中提取数据进行绘制，从而创建场景的精确表示。
研究人员相信在未来该方法可与游戏引擎协同运行（而不是在游戏引擎之上），从而加速渲染过程，也许有一天，我们将能在VR游戏中看到真实逼真的图像。
