利用人工智能进行游戏应用的超分辨率系统管理的制作方法

本发明的实施方案涉及一种系统，该系统利用人工智能(ai)模型动态执行超分辨率操作，同时保持或优化系统功耗。

背景技术：

1、如今，随着移动游戏越来越强调高帧率和高分辨率，对硬件处理能力的要求也大大提高。尤其是，图形处理器(gpu)的处理能力会直接影响用户的游戏体验。硬件处理要求的提高会导致功耗增加，然而终端用户的设备通常冷却能力有限。功耗增加产生的热量会对每个处理器的性能产生不利影响，从而导致不良的游戏体验。

2、由于热控制和性能节流，一些高负载游戏无法保持持续或稳定的每秒帧数(fps)输出。不稳定的fps会降低终端用户的游戏体验；例如，在玩了一段时间的游戏后，用户与游戏之间的交互可能会由于缺帧而变得不流畅。

3、当游戏设备遇到性能瓶颈时，视频游戏可能会卡顿，这可能是处理器负载过重造成的。减少过多的处理器负载不仅能减少性能瓶颈，还能降低系统功耗。然而，减少处理器负载可能会导致性能下降，如图像质量下降。因此，有必要改进对功耗、处理负载、和图像质量的管理。

技术实现思路

1、在一个方面，本发明提供了一种执行人工智能(ai)超分辨率(sr)的方法。该方法包括：检测计算系统中图形处理单元(gpu)的负载超过阈值的指示；响应于所述指示降低所述gpu输出的视频的分辨率；基于所述视频中的多个图形场景和多个ai模型各自的功耗估计值，在所述多个ai智能模型中选择一个ai智能模型；以及使用所述选择的ai模型对所述视频执行ai sr操作，以恢复所述视频的所述分辨率以供显示。

2、在另一个方面，本发明提供了一种计算系统，用于执行ai sr。该计算系统包括：多个处理器，包括图形处理单元(gpu)和人工智能处理单元(apu)；以及存储器，用于存储多个ai模型。其中，所述多个处理器用于：检测所述计算系统中的所述gpu的负载超过阈值的指示；响应于所述指示降低所述gpu输出的视频的分辨率；基于所述视频中的多个图形场景和所述多个ai模型各自的功耗估计值，在所述多个ai智能模型中选择一个ai智能模型；以及使用所述选择的ai模型对所述视频执行ai sr操作，以恢复所述视频的所述分辨率以供显示。

3、本领域普通技术人员在结合附图对具体实施例进行以下描述时，其他方面和特征将变得显而易见。

技术特征：

1.一种执行人工智能(ai)超分辨率(sr)的方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述选择的ai模型增加的系统功耗被估计为小于降低所述分辨率减少的系统功耗。

3.根据权利要求1所述的方法，其特征在于，每个功耗估计值都基于对应的ai模型所代表的神经网络中的节点总数。

4.根据权利要求1所述的方法，其特征在于，进一步包括：

5.根据权利要求1所述的方法，其特征在于，进一步包括：

6.根据权利要求5所述的方法，其特征在于，根据所述多个ai模型的所述功耗估计值和所述计算系统的功率预算盈余，选择所述不同的ai模型。

7.根据权利要求1所述的方法，其特征在于，进一步包括：

8.根据权利要求1所述的方法，其特征在于，所述gpu的所述负载增加的所述指示是从所述视频中图形场景复杂度的增加中检测的。

9.根据权利要求1所述的方法，其特征在于，所述gpu的所述负载的所述指示是从以下一个或多个方面检测的：所述gpu的工作频率、所述gpu的利用率、以及所述视频的不稳定的每秒帧数(fps)。

10.根据权利要求1所述的方法，其特征在于，进一步包括：

11.一种计算系统，用于执行人工智能(ai)超分辨率(sr)的方法，其特征在于，包括：

12.根据权利要求11所述的计算系统，其特征在于，所述选择的ai模型增加的系统功耗被估计为小于降低所述分辨率减少的系统功耗。

13.根据权利要求11所述的计算系统，其特征在于，每个功耗估计值都基于对应的ai模型所代表的神经网络中的节点总数。

14.根据权利要求11所述的计算系统，其特征在于，所述多个处理器进一步用于：

15.根据权利要求11所述的计算系统，其特征在于，所述多个处理器进一步用于：

16.根据权利要求15所述的计算系统，其特征在于，根据所述多个ai模型的所述功耗估计值和所述计算系统的功率预算盈余，选择所述不同的ai模型。

17.根据权利要求11所述的计算系统，其特征在于，进一步包括多个温度传感器，以检测所述计算系统中的所述多个处理器的温度和功耗；其中，当所述功耗达到或超过所述温度下的功耗预算范围时，停用所述视频上的所述aisr操作。

18.根据权利要求11所述的计算系统，其特征在于，所述gpu的所述负载增加的所述指示是从所述视频中图形场景复杂度的增加中检测的。

19.根据权利要求11所述的计算系统，其特征在于，所述gpu的所述负载的所述指示是从以下一个或多个方面检测的：所述gpu的工作频率、所述gpu的利用率、以及所述视频的不稳定的每秒帧数(fps)。

20.根据权利要求11所述的计算系统，其特征在于，所述apu用于根据白名单执行所述ai sr操作；其中，所述白名单指定了用于渲染所述视频中的所述多个图形场景的多个功能的配置。

技术总结一种计算系统，用于执行人工智能(AI)超分辨率(SR)的方法。该计算系统包括多个处理器，其包括图形处理单元(GPU)和人工智能处理单元(APU)。该计算系统进一步包括存储器，用于存储多个AI模型。当检测到所述GPU的负载超过阈值的指示时，处理器响应于该指示降低所述GPU输出的视频的分辨率。基于所述视频中的多个图形场景和所述多个AI模型各自的功耗估计值，在所述多个AI智能模型中选择一个AI智能模型。处理器使用所述选择的AI模型对所述视频执行AI SR操作，以恢复所述视频的所述分辨率以供显示。技术研发人员：林建男,曹友铭,朱勇鑫,王安立受保护的技术使用者：联发科技股份有限公司技术研发日：技术公布日：2024/5/10