Las ultimas noticias en tecnología, ciencia y cultura digital.
Las ultimas noticias en tecnología, ciencia y cultura digital.

Cómo Intel logró que una escena de GTA V pareciera asombrosamente real

Gif: Intel

Hace unos días publicamos un artículo hablando del último avance conseguido por los investigadores de Intel Labs, quienes a través de un algoritmo de aprendizaje automático lograron que GTA V se viera como si fuera el mundo real. Así fue cómo lo consiguieron.

Advertisement

En la secuencia veíamos cómo se veía una escena de coches en GTA V para luego pasar a ese lavado de cara que asombraba por el realismo conseguido. Para ello, los investigadores de Intel se basaron en Cityscapes Dataset, una colección de imágenes del centro urbano de una ciudad alemana capturadas por la cámara de un automóvil, todo ello con el fin de llevar a cabo el entrenamiento.

Veamos la secuencia: 

Con este nuevo enfoque, además de procesar la imagen renderizada por el motor de juego de Grand Theft Auto V, la red neuronal también usa otros datos renderizados a los que el motor del juego tiene acceso, como la profundidad de objetos en una escena e información sobre cómo se procesa y renderiza la iluminación. El resultado es una pieza fotorrealista.

Los chicos de The Next Web hablaron esta semana con el investigador de Intel Stephen Richter para obtener más información sobre la técnica y el potencial para producir el método. Según les explicó, la “piedra angular” es una red convolucional, una arquitectura de aprendizaje profundo que se usa comúnmente para el procesamiento de imágenes. De esta forma, el equipo entrenó sus redes convolucionales en imágenes de la vida real para traducir los gráficos de GTA V a un modelo de realidad. Según Richter:

Las redes convolucionales son adecuadas para aprender este tipo de tarea. Para juegos, simulaciones y películas, hay una enorme cantidad de trabajo que debe realizarse en el modelado de objetos, materiales, etc. para que parezcan realistas. Si se configuran de la manera correcta, las redes convolucionales pueden aprender estas cosas directamente de las colecciones de fotos del mundo real de forma automática.

El resultado es sencillamente increíble, ya que se agregan reflejos a las ventanas de los automóviles, las carreteras están pavimentadas con un asfalto más suave y la vegetación adquiere una textura más viva. Con todo, Richter dijo que la paleta de colores renovada se debió al equipo de grabación:

Los paisajes urbanos se grabaron con una cámara de grado automotriz, que tiene este tinte verde característico. En consecuencia, las imágenes mejoradas para parecerse a paisajes urbanos también obtienen este tinte verde. Las vistas se grabaron con un conjunto diverso de cámaras, incluidas, por ejemplo, las cámaras de los teléfonos inteligentes. Las imágenes de vistas son mucho más vibrantes y puede ver esto en los resultados con nuestro método.

Advertisement

Richter también le dijo al medio que los aspectos poco realistas de GTA V afectaron el resultado:

Hay mucho menos tráfico en GTA que en el mundo real, ya sea en California o en ciudades alemanas. La forma en que nuestro método está configurado, no debería cambiar esto y no lo cambiará. No agregará autos o peatones si no están en el metraje original del juego.

Lo mismo ocurre con la basura en la calle o en la acera. Por tanto, las escenas limpias de GTA con menos suciedad y tráfico que el mundo real pueden parecer menos realistas que las fotos reales.

Advertisement

Por último, el investigador explicó que algunos motores de juegos existentes ya permiten el acceso a datos que se pueden conectar al sistema:

Dependiendo del juego y el presupuesto, puedo imaginarme a la gente jugando con esta técnica y quizás integrándola para algunas partes, ya sea durante el desarrollo o el posprocesamiento de juegos, simulaciones o películas.

Advertisement

Dicho de otra forma, quizás en el futuro cercano, con una simple actualización de la consola podríamos obtener unos resultados como los de la pieza. [The Next Web]

私たちは、ギズモードが大好き