CN114840072A - 一种画质调整方法、装置、存储介质及电子设备 - Google Patents
一种画质调整方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN114840072A CN114840072A CN202210425683.XA CN202210425683A CN114840072A CN 114840072 A CN114840072 A CN 114840072A CN 202210425683 A CN202210425683 A CN 202210425683A CN 114840072 A CN114840072 A CN 114840072A
- Authority
- CN
- China
- Prior art keywords
- power consumption
- image quality
- time period
- sample
- graphics processor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000009877 rendering Methods 0.000 claims description 66
- 238000012549 training Methods 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 33
- 230000000903 blocking effect Effects 0.000 abstract description 8
- 238000012360 testing method Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5094—Allocation of resources, e.g. of the central processing unit [CPU] where the allocation takes into account power or heat criteria
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Generation (AREA)
Abstract
本申请公开了一种画质调整方法、装置、存储介质及电子设备，其中，方法包括：基于第一时间段内图形处理器的运行参数，获取第二时间段内所述图形处理器的预测功耗，所述第二时间段为与所述第一时间段相邻的下一时间段，若所述预测功耗大于功耗阈值，则获取所述功耗阈值对应的期望画质参数，将所述图形处理器的当前画质参数调整至所述期望画质参数。采用本申请，通过将画质参数降低至图形处理器的功耗阈值所能达到的期望画质参数，来降低图形处理器的功耗，在降低功耗、保证图形处理器正常运行和稳定性的同时，避免卡顿情况的出现，保证电子设备的使用效果。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种画质调整方法、装置、存储介质及电子设备。
背景技术
手机、电脑等电子设备的功能越来越丰富，用户可以在电子设备上使用游戏、图片处理工具等应用程序，为了提高用户的体验满足电子设备中的应用程序的显示需求，电子设备中的图形处理器(Graphics Processing Unit，GPU)功耗会过高，为了降低GPU功耗现有技术中会降低帧率，但是降低帧率会影响用户对电子设备的使用体验，需要提出一种降低GPU功耗且保证电子设备使用效果的方法。
发明内容
本申请实施例提供了一种画质调整方法、装置、存储介质及电子设备，可以通过将画质参数降低至图形处理器的功耗阈值所能达到的期望画质参数，来降低图形处理器的功耗，在降低功耗、保证图形处理器正常运行和稳定性的同时，避免卡顿情况的出现，保证电子设备的使用效果。所述技术方案如下：
第一方面，本申请实施例提供了一种画质调整方法，所述方法包括：
基于第一时间段内图形处理器的运行参数，获取第二时间段内所述图形处理器的预测功耗，所述第二时间段为与所述第一时间段相邻的下一时间段；
若所述预测功耗大于功耗阈值，则获取所述功耗阈值对应的期望画质参数；
将所述图形处理器的当前画质参数调整至所述期望画质参数，所述当前画质参数优于所述期望画质参数。
第二方面，本申请实施例提供了一种画质调整装置，所述装置包括：
功耗预测模块，用于基于第一时间段内图形处理器的运行参数，获取第二时间段内所述图形处理器的预测功耗，所述第二时间段为与所述第一时间段相邻的下一时间段；
参数获取模块，用于若所述预测功耗大于功耗阈值，则获取所述功耗阈值对应的期望画质参数；
画质调整模块，用于将所述图形处理器的当前画质参数调整至所述期望画质参数，所述当前画质参数优于所述期望画质参数。
第三方面，本申请实施例提供一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行上述的方法步骤。
第四方面，本申请实施例提供一种电子设备，可包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行上述的方法步骤。
在本申请一个或多个实施例中，基于第一时间段内图形处理器的运行参数，获取第二时间段内图形处理器的预测功耗，第二时间段为与第一时间段相邻的下一时间段，若预测功耗大于功耗阈值，则获取功耗阈值对应的期望画质参数，将图形处理器的当前画质参数调整至期望画质参数。通过将画质参数降低至图形处理器的功耗阈值所能达到的期望画质参数，来降低图形处理器的功耗，在降低了功耗、保证了图形处理器正常运行和稳定性的同时，避免了卡顿情况的出现，保证了电子设备的使用效果。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种画质调整装置的结构示意图；
图2是本申请实施例提供的一种画质调整方法的流程示意图；
图3是本申请实施例提供的一种画质调整方法的流程示意图；
图4是本申请实施例提供的一种样本画质参数获取的举例示意图；
图5是本申请实施例提供的一种功耗预测模型训练的举例示意图；
图6是本申请实施例提供的一种功耗对照表的举例示意图；
图7是本申请实施例提供的一种画质调整装置的结构示意图；
图8是本申请实施例提供的一种画质调整装置的结构示意图；
图9是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参见图1，为本申请实施例提供了一种画质调整装置的结构示意图，画质调整装置可以为手机、移动电脑、可穿戴设备、车载设备等电子设备，也可以为电子设备中实现画质调整方法的模块，电子设备中存在图形处理器(Graphics Processing Unit，GPU)，是一种做图像和图形相关运算工作的微处理器，主要任务是对电子设备系统输入的图像信息进行构建和渲染。画质调整装置可以根据GPU的运行参数去预测未来一段时间内的GPU功耗，并且控制GPU对画质参数进行调整以降低GPU功耗，可以理解的是GPU的运行参数为GPU在电子设备中运行时的GPU参数，例如可以包括显存带宽，即GPU与电子设备显卡内存之间的数据传输速率，还可以包括GPU的核心频率、像素填充速率等。画质参数为GPU进行图形运算、图像渲染时所需要的参数，可以包括分辨率、抗锯齿级别、特效数量等，例如当电子设备上在运行游戏应用程序时，GPU需要对游戏界面进行图像渲染并将渲染后的效果在电子设备的屏幕上进行显示，画质参数就可以对应游戏界面的分辨率、抗锯齿级别以及特效数量、特效大小等。
如图1所示，画质调整装置中可以包括GPU、功率预测模块和参数获取模块，GPU可以和功率预测模块相连接，GPU可以和参数获取模块相连接，功率预测模块和参数获取模块相连接。画质调整装置可以按照相同长度的时间段去获取GPU的运行参数并预测GPU功耗，功率预测模块可以获取GPU在第一时间段内的运行参数并预测GPU在第二时间段内的预测功耗，第二时间段可以是和第一时间段相邻的下一时间段，第一时间段和第二时间段的长度是相同的，时间段的长度可以由用户或者相关工作人员在画质调整装置上进行设置，也可以为画质调整装置的初始设置。功率预测模块预测出GPU在第二时间段内的预测功耗后，可以将预测功耗发送给参数获取模块，若预测功耗大于此时GPU的功耗阈值，则参数获取模块会获取使得GPU功耗小于或等于功耗阈值的期望画质参数，并将期望画质参数发送至GPU，GPU会将当前画质参数调整至期望画质参数以降低GPU功耗。可以理解的是，为了保证GPU的正常运行以及工作寿命等，需要避免GPU的功耗超过功耗阈值，功耗阈值为GPU在正常运行时所能达到的最高功耗，超过功耗阈值则会对GPU的正常运行产生影响，在不同工作环境下，GPU可以拥有不同的功耗阈值，功耗阈值可以与GPU的工作温度、电子设备的剩余电量等有关。
下面结合具体的实施例对本申请提供的画质调整方法进行详细说明。
请参见图2，为本申请实施例提供了一种画质调整方法的流程示意图。如图2所示，本申请实施例的所述方法可以包括以下步骤S101-S103。
S101，基于第一时间段内图形处理器的运行参数，获取第二时间段内图形处理器的预测功耗。
具体的，画质调整装置可以按照相同长度的时间段去获取GPU的运行参数并预测GPU功耗。画质调整装置可以获取第一时间段内的GPU的运行参数，并根据运行参数计算第二时间段内GPU的预测功耗，第二时间段为与第一时间段相邻的下一时间段。第一时间段内的GPU的运行参数可以为第一时间段内GPU参数的平均值，也可以为第一时间段内任一时间点的GPU参数，例如可以为第一时间段结束、第二时间段开始时所对应的时间点的GPU参数。
画质调整参数可以将运行参数输入功耗预测模型，以获得GPU在第二时间段内的预测功耗，功耗预测模型为采用GPU的至少一个GPU和各GPU参数对应的功耗所训练出来的模型。
S102，若预测功耗大于功耗阈值，则获取功耗阈值对应的期望画质参数。
具体的，若预测功耗大于当前GPU的功耗阈值，则画质调整装置可以确认若不更改画质参数，在第二时间段内GPU功耗将会大于功耗阈值，并对GPU的正常运行造成影响，所以画质调整装置可以获取功耗阈值所对应的期望画质参数，可以理解的是，期望画质参数为GPU在不超过功耗阈值的情况下，所能达到最好渲染结果的画质参数。
S103，将图形处理器的当前画质参数调整至期望画质参数。
具体的，画质调整装置可以控制GPU，将GPU当前进行图形计算、图像渲染所使用的当前画质参数，调整至期望画质参数，可以理解的是当前画质参数是优于期望画质参数的，即当前画质参数中的各项数值是高于期望画质参数的。画质参数可以是分辨率、抗锯齿级别、特效数量、帧数、清晰度等参数中的一种或多种，可以基于前述画质参数中若干进行衡量，例如当前画质参数中的分辨率大于期望分辨率，则认为当前画质参数是优于期望画质参数；又例如，当前画质参数中的抗锯齿级别大于期望抗锯齿级别、清晰度高于期望清晰度，则认为当前画质参数是优于期望画质参数；可以理解的，在当前画质参数是优于期望画质参数的情况下，当前画质参数对应的渲染结果也是高于期望画质参数对应的渲染结果的，GPU采用当前画质参数进行渲染所需的功耗是要高于采用期望画质参数进行渲染所需的功耗的，画质调整装置可以通过降低画质以达到降低功耗的目的。从而使得GPU在第二时间段内不会超过功耗阈值，保证了GPU的正常运行，且达到功耗阈值内最好的渲染效果，不用降低帧率从而避免电子设备使用过程中出现卡顿状况。
在本申请实施例中，基于第一时间段内图形处理器的运行参数，获取第二时间段内图形处理器的预测功耗，第二时间段为与第一时间段相邻的下一时间段，若预测功耗大于功耗阈值，则获取功耗阈值对应的期望画质参数，将图形处理器的当前画质参数调整至期望画质参数。通过将画质参数降低至图形处理器的功耗阈值所能达到的期望画质参数，来降低图形处理器的功耗，在降低了功耗、保证了图形处理器正常运行和稳定性的同时，避免了卡顿情况的出现，保证了电子设备的使用效果。
请参见图3，为本申请实施例提供了一种画质调整方法的流程示意图。如图3所示，本申请实施例的所述方法可以包括以下步骤S201-S207。
S201，获取图形处理器的至少一个第一样本功耗，获取至少一个第一样本功耗中各第一样本功耗对应的样本画质参数。
具体的，画质调整装置可以获取GPU的至少一个第一样本功耗，和至少一个第一样本功耗中各第一样本功耗对应的样本画质参数，可以理解的是，样本画质参数就是GPU功耗在不超过第一样本功耗的情况下，所能达到最好渲染结果的画质参数。可以理解的是，为了保证样本数据的准确性、提高画质计算模型的准确性，可以均匀获取第一样本功耗，例如画质调整装置可以获取电子设备GPU所能达到的最高功耗，在零功耗至最高功耗的范围内，均匀获取至少一个第一样本功耗，例如最高功耗为150W，画质调整装置想要获取150个样本功耗，则可以以0为起点，1w为步长获取150个第一样本功耗。
可选的，画质参数可以包括分辨率、抗锯齿级别、特效数量等，一个画质参数其实包括了一组数据，例如若画质参数包括分辨率、抗锯齿级别和特效数量，则一个画质参数可以为分辨率为1920*1080、抗锯齿级别为4x和特效数量100。可以理解的是，满足同一个第一样本功耗的画质参数可以有多个，即可以有多种组合的数据满足想要的第一样本功耗，但是画质调整装置需要选取能达到最好渲染结果的画质参数作为第一样本参数的样本画质参数。
画质调整装置可以获取满足目标功耗的至少一个目标画质参数，目标功耗为至少一个第一样本功耗中的任一第一样本功耗。然后可以获取至少一个目标画质参数中各目标画质参数对应的渲染结果，计算各目标画质参数对应的渲染结果与GPU的最高渲染结果之间的相似性，在各目标画质参数对应的渲染结果中获取与最高渲染结果存在最大相似性的目标渲染结果，并将目标渲染结果对应的画质参数确认为目标功耗的样本画质参数。最高渲染结果为GPU在最高画质参数的情况下能达到的渲染结果，最高画质参数即画质参数中的每一项都为最高值。
可选的，各目标画质参数对应的渲染结果与最高渲染结果之间的相似性，可以为结构相似性(Structural Similarity，SSIM)，是一种衡量两幅图像相似度的指标。
请一并参见图4，为本申请实施例提供了一种样本画质参数获取的举例示意图，画质调整装置获取到了满足目标功耗的三个目标画质参数：画质参数1、画质参数2和画质参数3，并获取到了各目标画质参数对应的渲染结果，分别为渲染结果1、渲染结果2和渲染结果3，分别计算各目标画质参数的渲染结果与最高渲染结果之间的相似性，得到了渲染结果3与最高渲染结果的相似性最大，则渲染结果3对应的画质参数3，即为目标功耗的样本画质参数。
S202，基于至少一个第一样本功耗和各第一样本功耗对应的样本画质参数，生成第一样本数据集，基于第一样本数据集对第一初始模型进行训练，获得画质计算模型。
具体的，画质调整装置可以基于至少一个第一样本功耗和各第一样本功耗对应的样本画质参数生成第一样本数据集，根基第一样本数据集对第一初始模型进行训练，以获取画质计算模型。即将至少一个第一样本功耗作为输入，将各第一样本功耗对应的样本画质参数作为输出，来训练第一初始模型。
S203，获取图形处理器的第二样本数据集，基于第二样本数据集对第二初始模型进行训练，获得功耗预测模型。
具体的，画质调整装置可以获取GPU的至少一个样本参数和至少一个样本参数中各样本参数对应的第二样本功耗，基于至少一个样本参数和至少一个样本参数中各样本参数对应的第二样本功耗生成第二样本数据集，然后使用第二样本数据集对第二初始模型进行训练，以得到功耗预测模型，即以至少一个样本参数作为输入，以至少一个样本参数中各样本参数对应的第二样本功耗作为输出对第二初始模型进行训练。
可选的，为了提高功耗训练模型的准确性，可以基于第二样本数据集对第二模型进行训练，先获取训练模型，再对训练模型进行迭代矫正处理以获得功耗预测模型。
可以理解的是，为了提高功耗训练模型的准确性，画质调整装置可以采用第二样本数据集对至少一个第二初始模型进行训练，将训练效果最好的一个训练后的第二初始模型作为功耗预测模型。可以理解的是，至少一个第二初始模型可以为不同类型的机器学习模型，例如可以为线性回归模型、多项式回归模型和循环神经网络(Recurrent NeuralNetwork，RNN)模型等。画质调整装置可以采用第二样本数据集对至少一个第二初始模型进行训练，得到至少一个目标模型，然后采用测试数据集对至少一个目标模型中各目标模型进行测试，计算各目标模型的稳定性和准确性，将稳定性和准确性最高的目标模型作为功耗预测模型。其中，测试数据集中包括GPU的至少一个测试参数和至少一个测试参数中各测试参数对应的测试功耗。
可选的，画质调整装置可以将测试数据集中的至少一个测试参数输入进目标模型，得到至少一个测试参数中各测试参数对应的目标计算功耗，将各测试参数对应的目标计算功耗与各测试参数对应的测试功耗相比较，若目标计算功耗与测试功耗的差值小于或等于差值阈值，则画质调整装置确认目标计算功耗是准确的，将准确的目标计算功耗的个数与目标计算功耗的总数相除，得到目标模型的准确性，例如有80个准确的目标计算功耗，而一共有100个目标计算功耗，则目标模型的准确性为80％。差值阈值为判断目标计算功耗是否准确的数值，可以由用户或相关工作人员进行设置，也可以为画质调整装置的初始设置，例如差值阈值可以为5W。
可选的，画质调整装置可以计算所有测试参数对应的目标计算功耗和测试功耗的差值的方差，方差越大则表示目标模型的稳定性越差，方差越小则表示目标模型的稳定性越好。
请一并参见图5，为本申请实施例提供了一种功耗预测模型训练的举例示意图，画质调整装置可以采用第二样本数据集对三个不同类型的第二初始模型进行训练，三个第二初始模型可以为线性回归模型、多项式回归模型和RNN模型，分别得到了目标模型A、目标模型B和目标模型C，然后采用测试数据集分别对目标模型A、目标模型B和目标模型C进行测试并计算准确性和稳定性，得到目标模型A的准确性为80％、方差为4，目标模型B的准确性为50％、方差为6，目标模型C的准确性为65％、方差为5，所以准确性和稳定性最好的模型为目标模型A，画质调整装置可以对目标模型A进行迭代矫正处理，得到功耗预测模型。
S204，获取第一时间段内图形处理器的运行参数，将运行参数输入功耗预测模型，获得第二时间段内图形处理器的预测功耗。
具体的，画质调整装置可以按照相同长度的时间段去获取GPU的运行参数并预测GPU功耗。画质调整装置可以获取第一时间段内的GPU的运行参数，并根据运行参数计算第二时间段内GPU的预测功耗，第二时间段为与第一时间段相邻的下一时间段。第一时间段内的GPU的运行参数可以为第一时间段内GPU参数的平均值，也可以为第一时间段内任一时间点的GPU参数，例如可以为第一时间段结束、第二时间段开始时所对应的时间点的GPU参数。画质调整参数可以将运行参数输入功耗预测模型，以获得GPU在第二时间段内的预测功耗。
S205，若预测功耗大于功耗阈值，则获取功耗阈值对应的期望功耗。
具体的，若预测功耗大于当前GPU的功耗阈值，则画质调整装置可以确认若不更改画质参数，在第二时间段内GPU功耗将会大于功耗阈值，并对GPU的正常运行造成影响，所以画质调整装置可以获取功耗阈值所对应的期望功耗，可以理解的是期望功耗为不高于功耗阈值，并且可以使得GPU正常运行的功耗，画质调整装置可以将第二时间段内的GPU功耗控制在不超过期望功耗的范围内。
可选的，功耗阈值可以是设定的一个固定的值，表示GPU功耗控制在功耗阈值以下时可以正常运行。可以理解的是，在不同工作环境下，GPU可以拥有不同的功耗阈值，功耗阈值可以与GPU的工作温度、电子设备的剩余电量等有关。所以画质调整装置可以根据当前电子设备的设备状态来计算当前GPU的功耗阈值，设备状态可以包括电子设备的工作温度、剩余电量以及硬件平台的参数等。
可以理解的是，画质调整装置可以获取GPU的至少一个样本设备状态，和至少一个样本设备状态中各样本设备状态对应的样本功耗阈值，基于至少一个样本设备状态和各样本设备状态对应的样本功耗阈值生成第三样本数据集，然后使用第三样本数据集对第二初始模型进行训练，以得到功耗预测模型，即以至少一个样本设备状态作为输入，以各样本设备状态对应的样本功耗阈值作为输出对第三初始模型进行训练，得到功耗阈值计算模型。画质调整装置可以将当前电子设备的设备状态输入功耗阈值计算模型，以得到当前GPU的功耗阈值。
可选的，期望功耗可以与功耗阈值相等。
可选的，画质调整装置可以按照功耗对照表来查找功耗阈值对应的期望功耗，功耗对照表为记录不同功耗阈值对应的期望功耗。请一并参见图6，为本申请实施例提供了一种功耗对照表的举例示意图，画质调整装置可以根据功耗阈值在功耗对照表中查找对应的期望功耗，例如当功耗阈值为145W时，画质调整装置可以在功耗对照表中获取到功耗阈值对应的期望功耗为139.5W。
S206，将期望功耗输入画质计算模型，获得功耗阈值对应的期望画质参数。
具体的，画质调整装置可以确认若不更改画质参数，在第二时间段内GPU功耗将会大于功耗阈值，并对GPU的正常运行造成影响，所以画质调整装置可以获取功耗阈值所对应的期望画质参数，可以理解的是，期望画质参数为GPU在不超过功耗阈值的情况下，所能达到最好渲染结果的画质参数。画质调整装置可以将期望功耗输入画质计算模型，以获得功耗阈值对应的期望画质参数。
S207，对期望画质参数进行时域滤波处理，获得画质参数时间序列，基于画质参数时间序列，将图形处理器的当前画质参数调整至期望画质参数。
具体的，画质调整装置可以控制GPU，将GPU当前进行图形计算、图像渲染所使用的当前画质参数，调整至期望画质参数。从而使得GPU在第二时间段内不会超过功耗阈值，保证了GPU的正常运行，且达到功耗阈值内最好的渲染效果，不用降低帧率从而避免电子设备使用过程中出现卡顿状况。
可以理解的是，陡然更改画质参数会使得电子设备上所显示的渲染效果发生突变，会降低用户的体验感。画质调整装置可以将期望画质参数进行时域滤波处理以获得画质参数时间序列，画质参数时间序列为画质参数与时间相对应的序列，用于指示GPU按照时间顺序逐步更改画质参数。画质调整装置可以控制GPU画质参数时间序列，逐步将当前画质参数调整至期望画质参数，避免渲染效果发生突变的情况，进一步提高电子设备的使用效果。
在本申请实施例中，基于第一样本数据集训练得到画质计算模型，用于根据功耗阈值计算不超过功耗阈值的情况下能达到最好渲染效果的期望画质参数。基于第二样本数据集训练得到功耗预测模型，用于根据GPU运行参数预测下一时间段内GPU的预测功耗，并且可以对多个机器学习模型进行训练并选择稳定性和准确性最高的模型作为功耗预测模型，提高了功耗预测模型的准确性，获取样本数据集时样本数据分布均匀，进一步提高了画质调整的准确性。将第一时间段内GPU的运行参数输入功耗预测模型，获取第二时间段内GPU的预测功耗，第二时间段为与第一时间段相邻的下一时间段，若预测功耗大于功耗阈值，则在功耗对照表找获取功耗阈值对应的期望阈值，将期望阈值输入画质计算模型得到期望画质参数，对期望画质参数进行时域滤波处理，获得画质参数时间序列，基于画质参数时间序列将图形处理器的当前画质参数调整至期望画质参数，避免渲染效果发生突变的情况，进一步提高电子设备的使用效果。通过将画质参数降低至图形处理器的功耗阈值所能达到的期望画质参数，来降低图形处理器的功耗，在降低了功耗、保证了图形处理器正常运行和稳定性的同时，避免了卡顿情况的出现，保证了电子设备的使用效果。
下面将结合附图7-附图8，对本申请实施例提供的画质调整装置进行详细介绍。需要说明的是，附图7-附图8中的画质调整装置，用于执行本申请图2和图3所示实施例的方法，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请图2和图3所示的实施例。
请参见图7，其示出了本申请一个示例性实施例提供的画质调整装置的结构示意图。该画质调整装置可以通过软件、硬件或者两者的结合实现成为装置的全部或一部分。该装置1包括功耗预测模块11、参数获取模块12和画质调整模块13。
功耗预测模块11，用于基于第一时间段内图形处理器的运行参数，获取第二时间段内所述图形处理器的预测功耗，所述第二时间段为与所述第一时间段相邻的下一时间段；
参数获取模块12，用于若所述预测功耗大于功耗阈值，则获取所述功耗阈值对应的期望画质参数；
画质调整模块13，用于将所述图形处理器的当前画质参数调整至所述期望画质参数，所述当前画质参数优于所述期望画质参数。
在本实施例中，基于第一时间段内图形处理器的运行参数，获取第二时间段内图形处理器的预测功耗，第二时间段为与第一时间段相邻的下一时间段，若预测功耗大于功耗阈值，则获取功耗阈值对应的期望画质参数，将图形处理器的当前画质参数调整至期望画质参数。通过将画质参数降低至图形处理器的功耗阈值所能达到的期望画质参数，来降低图形处理器的功耗，在降低了功耗、保证了图形处理器正常运行和稳定性的同时，避免了卡顿情况的出现，保证了电子设备的使用效果。
请参见图8，其示出了本申请一个示例性实施例提供的画质调整装置的结构示意图。该画质调整装置可以通过软件、硬件或者两者的结合实现成为装置的全部或一部分。该装置1包括第一模型训练模块14、第二模型训练模块15、功耗预测模块11、参数获取模块12和画质调整模块13。
第一模型训练模块14，用于获取图形处理器的至少一个第一样本功耗，获取所述至少一个第一样本功耗中各第一样本功耗对应的样本画质参数；
基于所述至少一个第一样本功耗和所述各第一样本功耗对应的样本画质参数，生成第一样本数据集；
基于所述第一样本数据集对第一初始模型进行训练，获得画质计算模型。
可选的，所述第一模型训练模块14具体用于获取满足目标功耗的至少一个目标画质参数，所述目标功耗为所述至少一个第一样本功耗中的任一第一样本功耗；
获取所述至少一个目标画质参数中的各目标画质参数对应的渲染结果；
获取所述各目标画质参数对应的渲染结果中与最高渲染结果存在最大相似性的目标渲染结果，所述最高渲染结果为所述图形处理器的最高画质参数对应的渲染结果；
将所述目标渲染结果对应的目标画质参数确认为所述目标功耗对应的样本画质参数。
第二模型训练模块15，用于获取图形处理器的第二样本数据集，所述第二样本数据集包括所述图形处理器的至少一个样本参数和所述至少一个样本参数中各样本参数对应的第二样本功耗；
基于所述第二样本数据集对第二初始模型进行训练，获得功耗预测模型。
可选的，所述第二模型训练模块15具体用于基于所述第二样本数据集对第二初始模型进行训练，获得训练模型；
对所述训练模型进行迭代矫正处理，获得功耗预测模型。
功耗预测模块11，用于基于第一时间段内图形处理器的运行参数，获取第二时间段内所述图形处理器的预测功耗，所述第二时间段为与所述第一时间段相邻的下一时间段；
可选的，所述功耗预测模块11具体用于获取第一时间段内图形处理器的运行参数；
将所述运行参数输入功耗预测模型，获得第二时间段内所述图形处理器的预测功耗。
参数获取模块12，用于若所述预测功耗大于功耗阈值，则获取所述功耗阈值对应的期望画质参数；
可选的，所述参数获取模块12具体用于若所述预测功耗大于所述功耗阈值，则获取所述功耗阈值对应的期望功耗；
将所述期望功耗输入画质计算模型，获得所述功耗阈值对应的期望画质参数。
可选的，所述参数获取模块12具体用于若所述预测功耗大于所述功耗阈值，则在功耗对照表中获取所述功耗阈值对应的期望功耗。
画质调整模块13，用于将所述图形处理器的当前画质参数调整至所述期望画质参数，所述当前画质参数优于所述期望画质参数。
可选的，所述画质调整模块13具体用于对所述期望画质参数进行时域滤波处理，获得画质参数时间序列；
基于所述画质参数时间序列，将所述图形处理器的当前画质参数调整至所述期望画质参数。
在本实施例中，基于第一样本数据集训练得到画质计算模型，用于根据功耗阈值计算不超过功耗阈值的情况下能达到最好渲染效果的期望画质参数。基于第二样本数据集训练得到功耗预测模型，用于根据GPU运行参数预测下一时间段内GPU的预测功耗，并且可以对多个机器学习模型进行训练并选择稳定性和准确性最高的模型作为功耗预测模型，提高了功耗预测模型的准确性，获取样本数据集时样本数据分布均匀，进一步提高了画质调整的准确性。将第一时间段内GPU的运行参数输入功耗预测模型，获取第二时间段内GPU的预测功耗，第二时间段为与第一时间段相邻的下一时间段，若预测功耗大于功耗阈值，则在功耗对照表找获取功耗阈值对应的期望阈值，将期望阈值输入画质计算模型得到期望画质参数，对期望画质参数进行时域滤波处理，获得画质参数时间序列，基于画质参数时间序列将图形处理器的当前画质参数调整至期望画质参数，避免渲染效果发生突变的情况，进一步提高电子设备的使用效果。通过将画质参数降低至图形处理器的功耗阈值所能达到的期望画质参数，来降低图形处理器的功耗，在降低了功耗、保证了图形处理器正常运行和稳定性的同时，避免了卡顿情况的出现，保证了电子设备的使用效果。
需要说明的是，上述实施例提供的画质调整装置在执行画质调整方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的画质调整装置与画质调整方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
本申请实施例还提供了一种计算机存储介质，所述计算机存储介质可以存储有多条指令，所述指令适于由处理器加载并执行如上述图2-图6所示实施例的所述画质调整方法，具体执行过程可以参见图2-图6所示实施例的具体说明，在此不进行赘述。
本申请还提供了一种计算机程序产品，该计算机程序产品存储有至少一条指令，所述至少一条指令由所述处理器加载并执行如上述图2-图6所示实施例的所述画质调整方法，具体执行过程可以参见图2-图6所示实施例的具体说明，在此不进行赘述。
请参考图9，其示出了本申请一个示例性实施例提供的电子设备的结构方框图。本申请中的电子设备可以包括一个或多个如下部件：处理器110、存储器120、输入装置130、输出装置140和总线150。处理器110、存储器120、输入装置130和输出装置140之间可以通过总线150连接。
处理器110可以包括一个或者多个处理核心。处理器110利用各种接口和线路连接整个电子设备内的各个部分，通过运行或执行存储在存储器120内的指令、程序、代码集或指令集，以及调用存储在存储器120内的数据，执行终端100的各种功能和处理数据。可选地，处理器110可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmab LeogicArray，PLA)中的至少一种硬件形式来实现。处理器110可集成中央处理器(CentralProcessing Unit，CPU)、GPU和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户页面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器110中，单独通过一块通信芯片进行实现。
存储器120可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory，ROM)。可选地，该存储器120包括非瞬时性计算机可读介质(Non-Transitory Computer-Readable Storage Medium)。存储器120可用于存储指令、程序、代码、代码集或指令集。存储器120可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等，该操作系统可以是安卓(Android)系统，包括基于Android系统深度开发的系统、苹果公司开发的IOS系统，包括基于IOS系统深度开发的系统或其它系统。
存储器120可分为操作系统空间和用户空间，操作系统即运行于操作系统空间，原生及第三方应用程序即运行于用户空间。为了保证不同第三方应用程序均能够达到较好的运行效果，操作系统针对不同第三方应用程序为其分配相应的系统资源。然而，同一第三方应用程序中不同应用场景对系统资源的需求也存在差异，比如，在本地资源加载场景下，第三方应用程序对磁盘读取速度的要求较高；在动画渲染场景下，第三方应用程序则对GPU性能的要求较高。而操作系统与第三方应用程序之间相互独立，操作系统往往不能及时感知第三方应用程序当前的应用场景，导致操作系统无法根据第三方应用程序的具体应用场景进行针对性的系统资源适配。
为了使操作系统能够区分第三方应用程序的具体应用场景，需要打通第三方应用程序与操作系统之间的数据通信，使得操作系统能够随时获取第三方应用程序当前的场景信息，进而基于当前场景进行针对性的系统资源适配。
其中，输入装置130用于接收输入的指令或数据，输入装置130包括但不限于键盘、鼠标、摄像头、麦克风或触控设备。输出装置140用于输出指令或数据，输出装置140包括但不限于显示设备和扬声器等。在一个示例中，输入装置130和输出装置140可以合设，输入装置130和输出装置140为触摸显示屏。
所述触摸显示屏可被设计成为全面屏、曲面屏或异型屏。触摸显示屏还可被设计成为全面屏与曲面屏的结合，异型屏与曲面屏的结合，本申请实施例对此不加以限定。
除此之外，本领域技术人员可以理解，上述附图所示出的电子设备的结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。比如，电子设备中还包括射频电路、输入单元、传感器、音频电路、无线保真(Wireless Fidelity，WiFi)模块、电源、蓝牙模块等部件，在此不再赘述。
在图9所示的电子设备中，处理器110可以用于调用存储器120中存储的画质调整应用程序，并具体执行以下操作：
基于第一时间段内图形处理器的运行参数，获取第二时间段内所述图形处理器的预测功耗，所述第二时间段为与所述第一时间段相邻的下一时间段；
若所述预测功耗大于功耗阈值，则获取所述功耗阈值对应的期望画质参数；
将所述图形处理器的当前画质参数调整至所述期望画质参数，所述当前画质参数优于所述期望画质参数。
在一个实施例中，所述处理器110在执行若所述预测功耗大于所述功耗阈值，则获取所述功耗阈值对应的期望画质参数时，具体执行以下操作：
若所述预测功耗大于所述功耗阈值，则获取所述功耗阈值对应的期望功耗；
将所述期望功耗输入画质计算模型，获得所述功耗阈值对应的期望画质参数。
在一个实施例中，所述处理器110在执行基于第一时间段内图形处理器的运行参数，获取第二时间段内所述图形处理器的预测功耗之前，还执行以下操作：
获取图形处理器的至少一个第一样本功耗，获取所述至少一个第一样本功耗中各第一样本功耗对应的样本画质参数；
基于所述至少一个第一样本功耗和所述各第一样本功耗对应的样本画质参数，生成第一样本数据集；
基于所述第一样本数据集对第一初始模型进行训练，获得画质计算模型。
在一个实施例中，所述处理器110在执行获取图形处理器的至少一个第一样本功耗，获取所述至少一个第一样本功耗中各第一样本功耗对应的样本画质参数时，具体执行以下操作：
获取满足目标功耗的至少一个目标画质参数，所述目标功耗为所述至少一个第一样本功耗中的任一第一样本功耗；
获取所述至少一个目标画质参数中的各目标画质参数对应的渲染结果；
获取所述各目标画质参数对应的渲染结果中与最高渲染结果存在最大相似性的目标渲染结果，所述最高渲染结果为所述图形处理器的最高画质参数对应的渲染结果；
将所述目标渲染结果对应的目标画质参数确认为所述目标功耗对应的样本画质参数。
在一个实施例中，所述处理器110在执行若所述预测功耗大于所述功耗阈值，则获取所述功耗阈值对应的期望功耗时，具体执行以下操作：
若所述预测功耗大于所述功耗阈值，则在功耗对照表中获取所述功耗阈值对应的期望功耗。
在一个实施例中，所述处理器110在执行基于第一时间段内图形处理器的运行参数，获取第二时间段内所述图形处理器的预测功耗时，具体执行以下操作：
获取第一时间段内图形处理器的运行参数；
将所述运行参数输入功耗预测模型，获得第二时间段内所述图形处理器的预测功耗。
在一个实施例中，所述处理器110在执行获取第一时间段内图形处理器的运行参数之前，还执行以下操作：
获取图形处理器的第二样本数据集，所述第二样本数据集包括所述图形处理器的至少一个样本参数和所述至少一个样本参数中各样本参数对应的第二样本功耗；
基于所述第二样本数据集对第二初始模型进行训练，获得功耗预测模型。
在一个实施例中，所述处理器110在执行基于所述第二样本数据集对第二初始模型进行训练，获得功耗预测模型时，具体执行以下操作：
基于所述第二样本数据集对第二初始模型进行训练，获得训练模型；
对所述训练模型进行迭代矫正处理，获得功耗预测模型。
在一个实施例中，所述处理器110在执行将所述图形处理器的当前画质参数调整至所述期望画质参数时，具体执行以下操作：
对所述期望画质参数进行时域滤波处理，获得画质参数时间序列；
基于所述画质参数时间序列，将所述图形处理器的当前画质参数调整至所述期望画质参数。
在本实施例中，基于第一样本数据集训练得到画质计算模型，用于根据功耗阈值计算不超过功耗阈值的情况下能达到最好渲染效果的期望画质参数。基于第二样本数据集训练得到功耗预测模型，用于根据GPU运行参数预测下一时间段内GPU的预测功耗，并且可以对多个机器学习模型进行训练并选择稳定性和准确性最高的模型作为功耗预测模型，提高了功耗预测模型的准确性，获取样本数据集时样本数据分布均匀，进一步提高了画质调整的准确性。将第一时间段内GPU的运行参数输入功耗预测模型，获取第二时间段内GPU的预测功耗，第二时间段为与第一时间段相邻的下一时间段，若预测功耗大于功耗阈值，则在功耗对照表找获取功耗阈值对应的期望阈值，将期望阈值输入画质计算模型得到期望画质参数，对期望画质参数进行时域滤波处理，获得画质参数时间序列，基于画质参数时间序列将图形处理器的当前画质参数调整至期望画质参数，避免渲染效果发生突变的情况，进一步提高电子设备的使用效果。通过将画质参数降低至图形处理器的功耗阈值所能达到的期望画质参数，来降低图形处理器的功耗，在降低了功耗、保证了图形处理器正常运行和稳定性的同时，避免了卡顿情况的出现，保证了电子设备的使用效果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。
Claims (12)
1.一种画质调整方法，其特征在于，所述方法包括：
基于第一时间段内图形处理器的运行参数，获取第二时间段内所述图形处理器的预测功耗，所述第二时间段为与所述第一时间段相邻的下一时间段；
若所述预测功耗大于功耗阈值，则获取所述功耗阈值对应的期望画质参数；
将所述图形处理器的当前画质参数调整至所述期望画质参数，所述当前画质参数优于所述期望画质参数。
2.根据权利要求1所述的方法，其特征在于，所述若所述预测功耗大于所述功耗阈值，则获取所述功耗阈值对应的期望画质参数，包括：
若所述预测功耗大于所述功耗阈值，则获取所述功耗阈值对应的期望功耗；
将所述期望功耗输入画质计算模型，获得所述功耗阈值对应的期望画质参数。
3.根据权利要求2所述的方法，其特征在于，所述基于第一时间段内图形处理器的运行参数，获取第二时间段内所述图形处理器的预测功耗之前，还包括：
获取图形处理器的至少一个第一样本功耗，获取所述至少一个第一样本功耗中各第一样本功耗对应的样本画质参数；
基于所述至少一个第一样本功耗和所述各第一样本功耗对应的样本画质参数，生成第一样本数据集；
基于所述第一样本数据集对第一初始模型进行训练，获得画质计算模型。
4.根据权利要求3所述的方法，其特征在于，所述获取图形处理器的至少一个第一样本功耗，获取所述至少一个第一样本功耗中各第一样本功耗对应的样本画质参数，包括：
获取满足目标功耗的至少一个目标画质参数，所述目标功耗为所述至少一个第一样本功耗中的任一第一样本功耗；
获取所述至少一个目标画质参数中的各目标画质参数对应的渲染结果；
获取所述各目标画质参数对应的渲染结果中与最高渲染结果存在最大相似性的目标渲染结果，所述最高渲染结果为所述图形处理器的最高画质参数对应的渲染结果；
将所述目标渲染结果对应的目标画质参数确认为所述目标功耗对应的样本画质参数。
5.根据权利要求2所述的方法，其特征在于，所述若所述预测功耗大于所述功耗阈值，则获取所述功耗阈值对应的期望功耗，包括：
若所述预测功耗大于所述功耗阈值，则在功耗对照表中获取所述功耗阈值对应的期望功耗。
6.根据权利要求1所述的方法，其特征在于，所述基于第一时间段内图形处理器的运行参数，获取第二时间段内所述图形处理器的预测功耗，包括：
获取第一时间段内图形处理器的运行参数；
将所述运行参数输入功耗预测模型，获得第二时间段内所述图形处理器的预测功耗。
7.根据权利要求6所述的方法，其特征在于，所述获取第一时间段内图形处理器的运行参数之前，还包括：
获取图形处理器的第二样本数据集，所述第二样本数据集包括所述图形处理器的至少一个样本参数和所述至少一个样本参数中各样本参数对应的第二样本功耗；
基于所述第二样本数据集对第二初始模型进行训练，获得功耗预测模型。
8.根据权利要求7所述的方法，其特征在于，所述基于所述第二样本数据集对第二初始模型进行训练，获得功耗预测模型，包括：
基于所述第二样本数据集对第二初始模型进行训练，获得训练模型；
对所述训练模型进行迭代矫正处理，获得功耗预测模型。
9.根据权利要求1所述的方法，其特征在于，所述将所述图形处理器的当前画质参数调整至所述期望画质参数，包括：
对所述期望画质参数进行时域滤波处理，获得画质参数时间序列；
基于所述画质参数时间序列，将所述图形处理器的当前画质参数调整至所述期望画质参数。
10.一种画质调整装置，其特征在于，所述装置包括：
功耗预测模块，用于基于第一时间段内图形处理器的运行参数，获取第二时间段内所述图形处理器的预测功耗，所述第二时间段为与所述第一时间段相邻的下一时间段；
参数获取模块，用于若所述预测功耗大于功耗阈值，则获取所述功耗阈值对应的期望画质参数；
画质调整模块，用于将所述图形处理器的当前画质参数调整至所述期望画质参数，所述当前画质参数优于所述期望画质参数。
11.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1～9任意一项的方法步骤。
12.一种电子设备，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1～9任意一项的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210425683.XA CN114840072A (zh) | 2022-04-22 | 2022-04-22 | 一种画质调整方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210425683.XA CN114840072A (zh) | 2022-04-22 | 2022-04-22 | 一种画质调整方法、装置、存储介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114840072A true CN114840072A (zh) | 2022-08-02 |
Family
ID=82564898
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210425683.XA Pending CN114840072A (zh) | 2022-04-22 | 2022-04-22 | 一种画质调整方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114840072A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108733334A (zh) * | 2018-03-13 | 2018-11-02 | 广东欧珀移动通信有限公司 | 画质参数调节方法、装置、终端及存储介质 |
| CN108734628A (zh) * | 2017-04-17 | 2018-11-02 | 英特尔公司 | 基于功率和基于目标的图形质量调整 |
| CN111414070A (zh) * | 2020-03-06 | 2020-07-14 | 苏州浪潮智能科技有限公司 | 一种机箱功耗管理方法、系统及电子设备和存储介质 |
| CN112631415A (zh) * | 2020-12-31 | 2021-04-09 | Oppo（重庆）智能科技有限公司 | Cpu频率调整方法、装置、电子设备及存储介质 |
| CN113138655A (zh) * | 2021-04-02 | 2021-07-20 | Oppo广东移动通信有限公司 | 处理器频率的调整方法、装置、电子设备及存储介质 |
-
2022
- 2022-04-22 CN CN202210425683.XA patent/CN114840072A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108734628A (zh) * | 2017-04-17 | 2018-11-02 | 英特尔公司 | 基于功率和基于目标的图形质量调整 |
| CN108733334A (zh) * | 2018-03-13 | 2018-11-02 | 广东欧珀移动通信有限公司 | 画质参数调节方法、装置、终端及存储介质 |
| CN111414070A (zh) * | 2020-03-06 | 2020-07-14 | 苏州浪潮智能科技有限公司 | 一种机箱功耗管理方法、系统及电子设备和存储介质 |
| CN112631415A (zh) * | 2020-12-31 | 2021-04-09 | Oppo（重庆）智能科技有限公司 | Cpu频率调整方法、装置、电子设备及存储介质 |
| CN113138655A (zh) * | 2021-04-02 | 2021-07-20 | Oppo广东移动通信有限公司 | 处理器频率的调整方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3754490B1 (en) | User interface rendering method and apparatus, and terminal | |
| CN110189246B (zh) | 图像风格化生成方法、装置及电子设备 | |
| CN110392298B (zh) | 一种音量调节方法、装置、设备及介质 | |
| CN109062715B (zh) | 内存时钟频率的确定方法、装置及终端 | |
| CN106657680A (zh) | 一种移动终端帧率的控制方法、装置及移动终端 | |
| CN109460364A (zh) | 应用程序检测方法、装置、存储介质及移动终端 | |
| US12020482B2 (en) | Live streaming sampling method and apparatus, and electronic device | |
| CN108564539B (zh) | 一种显示图像的方法和装置 | |
| CN105573603A (zh) | 终端灭屏时间的调整方法及装置 | |
| CN111124351A (zh) | 音频输出方法、装置、电子设备以及存储介质 | |
| CN112308947B (zh) | 一种动画的生成方法、装置及存储介质 | |
| CN110276404B (zh) | 模型训练方法、装置及存储介质 | |
| US20230115955A1 (en) | Voice call method and apparatus and electronic device | |
| CN114840072A (zh) | 一种画质调整方法、装置、存储介质及电子设备 | |
| CN114115773B (zh) | 帧率调节方法、装置、存储介质及终端设备 | |
| CN110197459A (zh) | 图像风格化生成方法、装置及电子设备 | |
| CN113595662B (zh) | 信号提示方法、装置、终端设备及存储介质 | |
| CN108269223B (zh) | 一种网页图形绘制方法及终端 | |
| CN111565162B (zh) | 一种动态gsm系统干扰规避方法、装置、存储介质及终端 | |
| CN115797267A (zh) | 图像质量评估方法、系统、电子设备和存储介质 | |
| CN110061813B (zh) | 一种数据编码方法和解码方法、及相关装置 | |
| CN112328351A (zh) | 动画显示方法、动画显示装置及终端设备 | |
| CN108449625B (zh) | 视频截图方法、装置及终端 | |
| CN112070718A (zh) | 一种区域量化参数的确定方法、装置、存储介质及终端 | |
| CN114270297A (zh) | 触摸屏报点方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |