CN115375661A - 一种游戏模式下的图像处理方法及装置 - Google Patents
一种游戏模式下的图像处理方法及装置 Download PDFInfo
- Publication number
- CN115375661A CN115375661A CN202211018693.8A CN202211018693A CN115375661A CN 115375661 A CN115375661 A CN 115375661A CN 202211018693 A CN202211018693 A CN 202211018693A CN 115375661 A CN115375661 A CN 115375661A
- Authority
- CN
- China
- Prior art keywords
- determining
- memc
- line width
- motion
- gear
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/207—Analysis of motion for motion estimation over a hierarchy of resolutions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开提供一种游戏模式下的图像处理方法及装置,其中所述方法包括:识别游戏类型;基于游戏类型,确定图像分析区域占整体图像的比例;统计图像分析区域中运动图形的最大线宽,最大线宽是指运动图形中任意两点距离的最大值;根据运动图形的最大线宽确定图像分析区域中运动图形所属的集合,其中,预先设置多个集合,每个集合具有对应的最大线宽范围;确定多个集合中运动图形的面积之和最大的集合,根据集合与MEMC档位之间的对应关系,确定运动图形的面积之和最大的集合对应的MEMC档位为第一MEMC档位。本申请实施例中提供的一个或多个技术方案,可以自动调整MEMC档位,提高用户的游戏体验。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种游戏模式下的图像处理方法及装置。
背景技术
在游戏模式下,通常采用运动补偿算法来节约计算能力,往往在运算时做出不同的取舍,如减少分块数量,或降低搜索精度,不同的取舍在不同运动速度不同繁琐程度的画面下会出现不同的问题,如减少分块运算在高速画面或细节较多画面下会导致图形破碎细节丢失的问题,减少搜索精度则有可能在慢速画面下出现抖动重影图像扭曲(即果冻效应),部分厂家采用运动估计与运动补偿(Motion Estimation and Motion Compensation,MEMC)分档用户自主选择的方式来解决这个问题,但游戏模式下画面运动速率变化频繁,且游戏内容占据用户的注意力和操作,无法针对画面问题进行主动切换。
发明内容
根据本公开的一方面,提供了一种游戏模式下的图像处理方法,包括:
识别游戏类型;
基于所述游戏类型,确定图像分析区域占整体图像的比例;
统计所述图像分析区域中运动图形的最大线宽,所述最大线宽是指运动图形中任意两点距离的最大值;
根据运动图形的最大线宽确定所述图像分析区域中运动图形所属的集合,其中,预先设置多个集合,每个集合具有对应的最大线宽范围;
确定所述多个集合中运动图形的面积之和最大的集合,根据集合与MEMC档位之间的对应关系,确定运动图形的面积之和最大的集合对应的MEMC档位为第一MEMC档位。
可选地,最大线宽越小的集合对应的MEMC档位越高。
可选地,根据运动图形的最大线宽确定所述图像分析区域中运动图形所属的集合,包括:
假定某一帧画面分辨率为M*N,其中M>N;
将所有运动图形分为三个集合B1={图形|k<M/32},B2={图形|M/32≤k≤M/16},B3={图形|k>M/16},其中,k表示运动图形的最大线宽。
可选地,图像处理方法,还包括:
确定运动图形的面积之和最大的集合的帧间偏移量均值D;
确定所述帧间偏移量均值D所属的帧间偏移量均值区间,根据该帧间偏移量均值区间对应的调整策略调整所述第一MEMC档位,得到第二MEMC档位。
可选地,所述帧间偏移量均值D取第一P帧与I帧偏移量和第二P帧与第一P帧偏移量的平均值。
可选地,帧间偏移量均值D越小的帧间偏移量均值区间对应的调整得到的MEMC档位越低。
根据本公开的另一方面,提供了一种游戏模式下的图像处理装置,包括:
识别模块,用于识别游戏类型;
比例确定模块,用于基于所述游戏类型,确定图像分析区域占整体图像的比例;
线宽统计模块,用于统计所述图像分析区域中运动图形的最大线宽,所述最大线宽是指运动图形中任意两点距离的最大值;
集合确定模块,用于根据运动图形的最大线宽确定所述图像分析区域中运动图形所属的集合,其中,预先设置多个集合,每个集合具有对应的最大线宽范围;
第一方案确定模块,用于确定所述多个集合中运动图形的面积之和最大的集合,根据集合与MEMC档位之间的对应关系,确定运动图形的面积之和最大的集合对应的MEMC档位为第一MEMC档位。
可选地,图像处理装置,还包括:
偏移量确定模块,用于确定运动图形的面积之和最大的集合的帧间偏移量均值D;
第二方案确定模块,用于确定所述帧间偏移量均值D所属的帧间偏移量均值区间,根据该帧间偏移量均值区间对应的调整策略调整所述第一MEMC档位,得到第二MEMC档位。
根据本公开的另一方面,提供了一种电子设备,包括:
处理器;以及
存储程序的存储器,
其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行上述的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述的方法。
本申请实施例中提供的一个或多个技术方案,识别游戏类型,基于游戏类型确定图像分析区域占整体图像的比例,统计所述图像分析区域中运动图形的最大线宽,根据运动图形的最大线宽确定图像分析区域中运动图形所属的集合,其中,预先设置多个集合,每个集合具有对应的最大线宽范围;确定多个集合中运动图形的面积之和最大的集合,根据集合与MEMC档位之间的对应关系,确定运动图形的面积之和最大的集合对应的MEMC档位为第一MEMC档位,由此根据游戏类型、运动图形的面积自适应选择MEMC档位,提高用户的游戏体验。
附图说明
在下面结合附图对于示例性实施例的描述中,本公开的更多细节、特征和优点被公开,在附图中:
图1示出了根据本公开示例性实施例的游戏模式下的图像处理方法的流程图;
图2示出了根据本公开示例性实施例的图形分析区域S的示意图;
图3示出了根据本公开示例性实施例的游戏模式下的图像处理装置原理图;
图4示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
以下参照附图描述本公开的方案。
实施例一
如图1所示,为本公开实施例提供了一种游戏模式下的图像处理方法,包括步骤S101至步骤S109。
步骤S101、识别游戏类型。
其中,所述游戏类型包括但不限于格斗游戏、射击游戏、角色扮演游戏等。
步骤S103、基于所述游戏类型,确定图像分析区域S占整体图像的比例。
步骤S105、统计图像分析区域S中运动图形的最大线宽k,所述最大线宽k是指运动图形中任意两点距离的最大值。
步骤S107、根据运动图形的最大线宽k确定图像分析区域中运动图形所属的集合,其中,预先设置多个集合,每个集合具有对应的最大线宽范围。
步骤S109、确定多个集合中运动图形的面积之和最大的集合,根据集合与MEMC档位之间的对应关系,确定运动图形的面积之和最大的集合对应的MEMC档位为第一MEMC档位。
作为一种实施方式,最大线宽越小的集合对应的MEMC档位越高。
其中,所述图像分析区域S的四边与显示屏平行,并且基于所述显示屏的中心对称。
作为一种实施方式,所述步骤S107包括:
假定某一帧画面分辨率为M*N,其中M>N;
将所有运动图形分为三个集合B1={图形|k<M/32},B2={图形|M/32≤k≤M/16},B3={图形|k>M/16}。
在一些实施例中,上述方法还包括:
确定运动图形的面积之和最大的集合的帧间偏移量均值D;
确定所述帧间偏移量均值D所属的帧间偏移量均值区间,根据该帧间偏移量均值区间对应的调整策略调整所述第一MEMC档位,得到第二MEMC档位。
可选地,所述帧间偏移量D取第一P帧与I帧偏移量和第二P帧与第一P帧偏移量的平均值。
帧间偏移量均值D越小表示运动图形移动越慢。可选地,帧间偏移量均值D越小的帧间偏移量均值区间对应的调整得到的MEMC档位越低。例如,预先设置3个帧间偏移量均值区间,每个帧间偏移量均值区间具有对应的帧间偏移量均值范围,按照帧间偏移量均值从小到大依次为第一区间、第二区间和第三区间。当运动图形的面积之和最大的集合的帧间偏移量均值D属于第一区间时,在第一MEMC档位的基础上降低一个或多个档位;当运动图形的面积之和最大的集合的帧间偏移量均值D属于第二区间时,维持第一MEMC档位不变;当运动图形的面积之和最大的集合的帧间偏移量均值D属于第三区间时,在第一MEMC档位的基础上提高一个或多个档位。
实施例二
步骤1、将不同侧重的MEMC方案分为五档,以分块从少到多,搜索精度从高到低,分别设置为L1、L2、L3、L4、L5。
步骤2、首先通过智能图像识别,确认此游戏的游戏类别(如格斗游戏、射击游戏、角色扮演游戏等),针对不同的游戏类别确认图像分析区域S占整体图像的比例,定义为PS。
如,格斗游戏用户更加关注中心区域的画面运动,设置为50%,而射击游戏则为85%。
步骤3、对画面中运动的图形进行分析,统计处于如图2所示的图像分析区域S的图形最大线宽k(图形中任意两点距离的最大值),设此帧画面分辨率为M*N(M>N),将所有图形分为三个集合B1={图形|k<M/32},B2={图形|M/32≤k≤M/16},B3={图形|k>M/16},分别计算三个集合中的运动图形的面积之和与图像分析区域S的面积的比值,以面积最大的集合为基准进行初步的档位选择。
例如,某款格斗游戏,其三个集合中的运动图形的面积之和与图像分析区域S的面积的比值分别为10%,50%,20%,面积之和占比最大为B2集合,则初步判定适宜档位为L3(剩余部分为静止图形)。
若面积之和占比最大为B1集合,则初步选择适宜档位为L4,同理若面积之和占比最大为B1集合,则初步选择适宜档位为L2。
步骤4、统计面积之和占比最大的图形集合,其帧间偏移量的均值D。
若D<M/32,则降低一档,若M/32≤D<M/16,维持初步判定,若D>M/16,则提高一档。
例如,某格斗游戏,其初步判定档位为L3,唯一判定中D<M/32,可视为移动较慢,则进一步选择为L2档位。
步骤5、每个帧序列(GOP)仅做一次步骤3、步骤4判定。步骤4中的D值取第一P帧与I帧偏移量和第二P帧与第一P帧偏移量的平均值。
实施例三
如图3所示,为根据本公开的另一方面,提供了一种游戏模式下的图像处理装置,包括:
识别模块,其用于识别游戏类型;
比例确定模块,其用于基于所述游戏类型,确定图像分析区域占整体图像的比例;
线宽统计模块,其用于统计所述图像分析区域中运动图形的最大线宽,所述最大线宽是指运动图形中任意两点距离的最大值;
集合确定模块,其用于根据运动图形的最大线宽确定图像分析区域中运动图形所属的集合,其中,预先设置多个集合,每个集合具有对应的最大线宽范围;
第一方案确定模块,其用于确定多个集合中运动图形的面积之和最大的集合,根据集合与MEMC档位之间的对应关系,确定运动图形的面积之和最大的集合对应的MEMC档位为第一MEMC档位。
可选地,图像处理装置,还包括:偏移量确定模块,用于确定运动图形的面积之和最大的集合的帧间偏移量均值D;第二方案确定模块,用于确定所述帧间偏移量均值D所属的帧间偏移量均值区间,根据该帧间偏移量均值区间对应的调整策略调整所述第一MEMC档位,得到第二MEMC档位。
可选地,最大线宽越小的集合对应的MEMC档位越高。
可选地,帧间偏移量均值D越小的帧间偏移量均值区间对应的调整得到的MEMC档位越低。
本公开示例性实施例还提供一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器。所述存储器存储有能够被所述至少一个处理器执行的计算机程序,所述计算机程序在被所述至少一个处理器执行时用于使所述电子设备执行根据本公开实施例的方法。
本公开示例性实施例还提供一种存储有计算机程序的非瞬时计算机可读存储介质,其中,所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本公开实施例的方法。
本公开示例性实施例还提供一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本公开实施例的方法。
参考图4,现将描述可以作为本公开的服务器或客户端的电子设备400的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图4所示,电子设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM 403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
电子设备400中的多个部件连接至I/O接口405,包括:输入单元406、输出单元407、存储单元408以及通信单元409。输入单元406可以是能向电子设备400输入信息的任何类型的设备,输入单元406可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元407可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元408可以包括但不限于磁盘、光盘。通信单元409允许电子设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理。例如,在一些实施例中,游戏模式下的图像处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到电子设备400上。在一些实施例中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行游戏模式下的图像处理方法。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
如本公开使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
Claims (10)
1.一种游戏模式下的图像处理方法,其特征在于,包括:
识别游戏类型;
基于所述游戏类型,确定图像分析区域占整体图像的比例;
统计所述图像分析区域中运动图形的最大线宽,所述最大线宽是指运动图形中任意两点距离的最大值;
根据运动图形的最大线宽确定所述图像分析区域中运动图形所属的集合,其中,预先设置多个集合,每个集合具有对应的最大线宽范围;
确定所述多个集合中运动图形的面积之和最大的集合,根据集合与MEMC档位之间的对应关系,确定运动图形的面积之和最大的集合对应的MEMC档位为第一MEMC档位。
2.如权利要求1所述的游戏模式下的图像处理方法,其特征在于,最大线宽越小的集合对应的MEMC档位越高。
3.如权利要求1所述的游戏模式下的图像处理方法,其特征在于,根据运动图形的最大线宽确定所述图像分析区域中运动图形所属的集合,包括:
假定某一帧画面分辨率为M*N,其中M>N;
将所有运动图形分为三个集合B1={图形|k<M/32},B2={图形|M/32≤k≤M/16},B3={图形|k>M/16},其中,k表示运动图形的最大线宽。
4.如权利要求1所述的游戏模式下的图像处理方法,其特征在于,还包括:
确定运动图形的面积之和最大的集合的帧间偏移量均值D;
确定所述帧间偏移量均值D所属的帧间偏移量均值区间,根据该帧间偏移量均值区间对应的调整策略调整所述第一MEMC档位,得到第二MEMC档位。
5.如权利要求4所述的游戏模式下的图像处理方法,其特征在于,所述帧间偏移量均值D取第一P帧与I帧偏移量和第二P帧与第一P帧偏移量的平均值。
6.如权利要求4所述的游戏模式下的图像处理方法,其特征在于,帧间偏移量均值D越小的帧间偏移量均值区间对应的调整得到的MEMC档位越低。
7.一种游戏模式下的图像处理装置,其特征在于,包括:
识别模块,用于识别游戏类型;
比例确定模块,用于基于所述游戏类型,确定图像分析区域占整体图像的比例;
线宽统计模块,用于统计所述图像分析区域中运动图形的最大线宽,所述最大线宽是指运动图形中任意两点距离的最大值;
集合确定模块,用于根据运动图形的最大线宽确定所述图像分析区域中运动图形所属的集合,其中,预先设置多个集合,每个集合具有对应的最大线宽范围;
第一方案确定模块,用于确定所述多个集合中运动图形的面积之和最大的集合,根据集合与MEMC档位之间的对应关系,确定运动图形的面积之和最大的集合对应的MEMC档位为第一MEMC档位。
8.如权利要求7所述的游戏模式下的图像处理装置,其特征在于,还包括:
偏移量确定模块,用于确定运动图形的面积之和最大的集合的帧间偏移量均值D;
第二方案确定模块,用于确定所述帧间偏移量均值D所属的帧间偏移量均值区间,根据该帧间偏移量均值区间对应的调整策略调整所述第一MEMC档位,得到第二MEMC档位。
9.一种电子设备,包括:
处理器;以及
存储程序的存储器,
其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-6中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211018693.8A CN115375661A (zh) | 2022-08-24 | 2022-08-24 | 一种游戏模式下的图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211018693.8A CN115375661A (zh) | 2022-08-24 | 2022-08-24 | 一种游戏模式下的图像处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115375661A true CN115375661A (zh) | 2022-11-22 |
Family
ID=84068153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211018693.8A Pending CN115375661A (zh) | 2022-08-24 | 2022-08-24 | 一种游戏模式下的图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115375661A (zh) |
-
2022
- 2022-08-24 CN CN202211018693.8A patent/CN115375661A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11909984B2 (en) | Video encoding and decoding for cloud gaming | |
US8434089B2 (en) | Method and system for loading of image resource | |
CN111265863B (zh) | 一种目标对象的位置纠正方法、装置、设备及介质 | |
CN115345968B (zh) | 虚拟对象驱动方法、深度学习网络的训练方法及装置 | |
CN111949239B (zh) | 一种屏幕共享方法、装置、存储介质及终端 | |
US10675538B2 (en) | Program, electronic device, system, and method for determining resource allocation for executing rendering while predicting player's intent | |
CN112653898A (zh) | 用户形象生成方法、相关装置及计算机程序产品 | |
CN102243856A (zh) | 动态切换屏幕数据处理方式的方法及装置 | |
CN110858388A (zh) | 一种增强视频画质的方法和装置 | |
CN115375661A (zh) | 一种游戏模式下的图像处理方法及装置 | |
CN112508937A (zh) | 生成划痕数据的方法、装置、电子设备和存储介质 | |
CN116866661A (zh) | 一种视频预渲染方法、装置、设备及存储介质 | |
CN114863008B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113742581B (zh) | 榜单的生成方法、装置、电子设备及可读存储介质 | |
CN113556575A (zh) | 用于压缩数据的方法、装置、设备、介质和产品 | |
CN114051057A (zh) | 云设备排队时长的确定方法、装置、电子设备和介质 | |
CN111467797A (zh) | 游戏数据处理方法、装置、计算机存储介质与电子设备 | |
CN112546620A (zh) | 游戏控制的方法、设备和计算机程序产品 | |
CN115155057B (zh) | 界面显示方法及装置、存储介质、电子设备 | |
CN115025495B (zh) | 角色模型的同步方法、装置、电子设备及存储介质 | |
CN116112740B (zh) | 一种视频播放方法、装置、电子设备及存储介质 | |
CN117160047A (zh) | 对弈策略推荐方法、装置、电子设备、存储介质及对弈系统 | |
CN114679596B (zh) | 基于游戏直播的互动方法、装置、电子设备及存储介质 | |
CN114217889B (zh) | 显示方法、装置、设备和存储介质 | |
CN115037937B (zh) | 图像压缩方法、装置、设备及介质 |
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 |