云游戏数据处理方法、系统及可读存储介质与流程

本技术涉及云游戏，且更为具体地，涉及一种云游戏数据处理方法、系统及可读存储介质。

背景技术：

1、云游戏是一种在线游戏服务，允许用户通过互联网在远程服务器进行游戏，而不是在本地计算机或游戏主机上运行游戏。传统的游戏模式通常需要玩家在特定设备上下载并安装游戏，这不仅占用大量本地存储空间，还限制了玩家在不同设备间切换游戏的能力。随着云计算技术的发展，云游戏应运而生，为用户提供了无缝的游戏体验。

2、在云游戏系统中，玩家的操作指令和游戏图像数据需要实时地在客户端(如手机、电脑或游戏设备)和云端服务器之间传输和处理。然而，在现有的云游戏数据处理技术中，由于网络延迟和服务器处理能力的限制，玩家的操作指令可能无法及时、准确地影响游戏状态，导致游戏体验的下降。其次，游戏图像的生成和同步需要高效的数据处理算法，以确保在终端设备上呈现高质量、低延迟的图像流。而传统的数据处理方法往往侧重于简单的数据传输和渲染，缺乏对用户操作指令和游戏画面内容的深入理解与分析，在一定程度上限制了云游戏的交互性和智能化水平。

3、因此，期待一种优化的云游戏数据处理方法。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种云游戏数据处理方法、系统及可读存储介质，其采用基于深度学习的人工智能技术对第一操作指令和第一图像数据进行数据分析，分别挖掘出第一操作指令和第一图像数据的语义特征表示，进而基于元学习机制实现第一操作指令和第一图像数据的跨模态语义联合，并以此来生成第二图像数据。这样，可以更精确地理解玩家的操作意图，并将其动态地融入游戏画面的生成过程，从而提高云游戏的响应速度和图像生成的准确性，为玩家提供更为流畅、自然的游戏体验。

2、相应地，根据本技术的一个方面，提供了一种云游戏数据处理方法，其包括：通过第一终端设备传输第一图像数据和第一操作指令至云端服务器；在所述云端服务器，基于所述第一操作指令，对所述第一图像数据进行处理以得到第二图像数据；所述云端服务器将所述第二图像数据传输至所述第一终端设备；在所述第一终端设备，根据所述第二图像数据，展示游戏画面。

3、在上述云游戏数据处理方法中，在所述云端服务器，基于所述第一操作指令，对所述第一图像数据进行处理以得到第二图像数据，包括：对所述第一操作指令进行语义编码以得到第一操作指令语义编码特征向量；对所述第一图像数据进行图像特征提取以得到第一图像语义特征图；对所述第一图像语义特征图进行特征注意力强化以得到强化第一图像语义特征图；将所述第一操作指令语义编码特征向量和所述强化第一图像语义特征图输入基于metanet的跨模态联合编码器以得到操作指令语义引导下第一图像语义融合特征图；基于所述操作指令语义引导下第一图像语义融合特征图，生成所述第二图像数据。

4、在上述云游戏数据处理方法中，对所述第一图像数据进行图像特征提取以得到第一图像语义特征图，包括：将所述第一图像数据输入基于空洞卷积神经网络模型的图像特征提取器以得到所述第一图像语义特征图。

5、在上述云游戏数据处理方法中，对所述第一图像语义特征图进行特征注意力强化以得到强化第一图像语义特征图，包括：将所述第一图像语义特征图输入基于压缩-抑制结构的特征注意力选择强化模块以得到所述强化第一图像语义特征图。

6、在上述云游戏数据处理方法中，将所述第一图像语义特征图输入基于压缩-抑制结构的特征注意力选择强化模块以得到所述强化第一图像语义特征图，包括：计算所述第一图像语义特征图的沿通道维度的各个特征矩阵的全局均值以得到第一图像语义压缩信息表示特征向量；对所述第一图像语义压缩信息表示特征向量进行一维卷积编码以得到第一图像语义压缩信息间关联表示特征向量；将所述第一图像语义压缩信息表示特征向量和所述第一图像语义压缩信息间关联表示特征向量进行级联以得到第一图像语义特征压缩信息多尺度表示向量；将所述第一图像语义特征压缩信息多尺度表示向量输入包含多层感知机和silu激活函数的压缩信息特征提取模块以得到第一图像语义特征压缩信息多尺度关联特征向量；使用s i gmo i d函数对所述第一图像语义特征压缩信息多尺度关联特征向量进行归一化操作以得到第一图像语义特征权重向量；基于所述第一图像语义特征权重向量，对所述第一图像语义特征图进行特征放大和抑制操作以得到所述强化第一图像语义特征图。

7、在上述云游戏数据处理方法中，基于所述第一图像语义特征权重向量，对所述第一图像语义特征图进行特征放大和抑制操作以得到所述强化第一图像语义特征图，包括：计算所述第一图像语义特征权重向量与所述第一图像语义特征图的沿通道维度的各个特征矩阵的克罗内克积以得到所述强化第一图像语义特征图。

8、在上述云游戏数据处理方法中，将所述第一操作指令语义编码特征向量和所述强化第一图像语义特征图输入基于metanet的跨模态联合编码器以得到操作指令语义引导下第一图像语义融合特征图，包括：将所述操作指令语义编码特征向量通过点卷积层以得到第一卷积特征向量；将所述第一卷积特征向量通过基于relu函数的修正线性单元以得到第一修正卷积特征向量；将所述第一修正卷积特征向量通过点卷积层以得到第二卷积特征向量；将所述第二卷积特征向量通过基于sigmoid函数的修正线性单元以得到第二修正卷积特征向量；融合所述第二修正卷积特征向量与所述强化第一图像语义特征图以得到所述操作指令语义引导下第一图像语义融合特征图。

9、在上述云游戏数据处理方法中，基于所述操作指令语义引导下第一图像语义融合特征图，生成所述第二图像数据，包括：将所述操作指令语义引导下第一图像语义融合特征图输入基于扩散模型的图像生成器以得到所述第二图像数据。

10、根据本技术的另一个方面，提供了一种云游戏数据处理系统，其包括：操作指令语义编码模块，用于对第一终端设备传输的第一操作指令进行语义编码以得到第一操作指令语义编码特征向量；图像特征提取模块，用于对第一终端设备传输的第一图像数据进行图像特征提取以得到第一图像语义特征图；图像特征注意力强化模块，用于对所述第一图像语义特征图进行特征注意力强化以得到强化第一图像语义特征图；跨模态联合编码模块，用于将所述第一操作指令语义编码特征向量和所述强化第一图像语义特征图输入基于metanet的跨模态联合编码器以得到操作指令语义引导下第一图像语义融合特征图；游戏画面更新模块，用于基于所述操作指令语义引导下第一图像语义融合特征图，生成所述第二图像数据。

11、根据本技术的又一个方面，提供了一种可读存储介质，其特征在于，所述可读存储介质上存储有云游戏数据处理程序，所述云游戏数据处理程序被处理器执行时实现如上所述的云游戏数据处理方法。

12、与现有技术相比，本技术提供的云游戏数据处理方法、系统及可读存储介质，其采用基于深度学习的人工智能技术对第一操作指令和第一图像数据进行数据分析，分别挖掘出第一操作指令和第一图像数据的语义特征表示，进而基于元学习机制实现第一操作指令和第一图像数据的跨模态语义联合，并以此来生成第二图像数据。这样，可以更精确地理解玩家的操作意图，并将其动态地融入游戏画面的生成过程，从而提高云游戏的响应速度和图像生成的准确性，为玩家提供更为流畅、自然的游戏体验。