休日の機会に、私たちはほとんどの人が愛するものについての記事を準備しました-ゲームについて。 より正確には、コードネームRAVENという新しい開発についてです。これは、電話でプレイするとすぐに消えてしまう大切な関心を維持するのに役立ちます。 近くのものとは著しく異なるゲームフレームのみをレンダリングします。 猫の下を見てください！
過去10年間で、モバイルゲームはゲーム業界全体で巨大な業界になりました。 Newzooによると、世界のモバイルゲーム市場は2017年に461億ドルに達し、前年より19.4％増加しました。
ゲーマーは、最新のモバイルGPUの機能が拡大し続けているため、見事なモバイルゲームを楽しむことができます。 ただし、すべてに欠点があり、この場合、多くのエネルギー消費があります。 モバイルGPUの消費電力は、グラフィックコンピューティングの数とともに増加しています。 その結果、高度なグラフィックスを備えた高品質のモバイルゲームが要求され、バッテリーを非常に迅速に消耗します。
上記の問題を解決するために、 Microsoft Research Asia （MSRA）と韓国科学技術院（KAIST）の研究者は、ユーザーに損害を与えることなくモバイルゲームの消費電力を削減できるRAVENと呼ばれる新しいシステムを開発しました。
RAVENは、モバイルゲームのFPSに基づいています。ゲームで継続的に表示される多くのフレームは、同じか、非常によく似ています。 これらのフレームの違いは小さすぎて、プレイヤーが気付かないほどです。 ただし、モバイルゲームは、フレームがどれほど似ていても、常に60 FPSでフレームをレンダリングします。 科学者による測定研究に基づいて、これらの過剰なフレームは多くのゲームのフレームの総数の50％以上を占める可能性があります。 明らかに、これらの冗長フレームのレンダリングを削除すると、消費電力を大幅に削減できます。
RAVENは、フレームのレンダリング速度をスケーリングするために人の視覚に依存する新しいシステムです。 これを実現するために、RAVENは知覚認識スケーリング（PAS）テクノロジーを使用しています。 この手法は、後続のフレームが以前のフレームと同様であると予測される場合、ゲームのフレームのレンダリング速度を低下させます。 同時に、ユーザーが「沈下」に気付かないように、類似性はそのレベルでなければなりません。
RAVENは、サイドチャネルを使用して表示されたフレームシーケンスを追跡し、ゲーム中のグラフィックの変化に対するユーザーの認識を調整します。 したがって、RAVENはGPUの消費電力を適応的に削減します。
RAVENシステムは、ゲームフレームのレンダリング速度を集合的にスケーリングする3つの主要なコンポーネントで構成されています。トラック差分トラッカー（F-トラッカー）、レートレギュレーター（R-レギュレーター）、およびレートインジェクター（R-インジェクター）です。 これらのコンポーネントはすべて、順番にパイプラインの形で機能します。 まず、F-Trackerは2つのフレーム間のグラフィックの類似性を測定します。 次に、Rレギュレーターは、現在のフレームと次のフレーム（フレーム）間の類似性のレベルを予測します。 予測は、現在のフレームと前のフレーム（フレーム）がどれだけ似ているかに基づいています。 後続のフレーム（予測）が現在のフレームと非常に類似している場合、R-Injectorはレンダリングサイクルに遅延を導入し、不要なフレーム（フレーム）のグラフィック処理をスキップすることにより、フレームレンダリング速度を制限します。 現在、RAVENは最大3フレームをスキップできるため、フレームレートを15 FPSに下げることができます。
RAVENの主な問題は、低コストの計算能力でフレームの類似性を判断する方法が明確でないことです。 類似性を直接比較する方法は、フレームの構造的類似性（SSIM）のレベルです。 SSIMの決定は複雑な計算であるため、特にワイドフレームの場合、多くの電力を使用します。 スマートフォンを含む今日のモバイルデバイスは、通常、1920×1080ピクセル以上の高い画面解像度を持っているため、RAVENを使用して各SSIMレベルを計算するのは無意味です。
この問題を解決するために、同僚は2つの革新的な方法を使用しました
最初に 、彼らは色の違いに対する人間の目の感度に基づいて、グラフィックの類似性を測定するための省エネ方法を開発しました。 この方法では、フレーム間の明るさの差（つまり、 YUVカラースペースのYコンポーネント）を使用します。 研究者は、この方法をさまざまな条件下でSSIMと比較することで積極的に評価し、結果は、低コストの計算能力でグラフィカルな類似性を効果的に測定することを示しました。
次に 、研究者はモバイルデバイスのメインディスプレイからクローンを作成した仮想ディスプレイを構築しましたが、解像度ははるかに低くなりました（たとえば、80×45）。 システムは、仮想ディスプレイのグラフィックコンテンツを読み取り、類似性のレベルを測定します。 仮想ディスプレイの解像度ははるかに低いため、計算要件もはるかに低くなります。
したがって、上記の2つの方法は、RAVENの消費電力を効果的に削減します。
次のステップとして、研究者はRAVENシステムをNexus 5xスマートフォンに導入しました。 11人のユーザーを対象とした調査では、同僚がさまざまなゲームアプリケーションを使用して包括的な実験を行い、RAVENの有効性を評価しました。 平均して、ゲームセッションあたりのエネルギー消費量は21.8％減少し、ピーク時には34.7％減少しました。 同時に、ゲームの品質と感覚は、RAVENを使用する前と同じレベルで維持されました。
MobiCom 2017でのデモ：
RAVENは、フレームレートのスケーリングとエネルギーの節約、およびフレームのグラフィカルな類似性に基づいて設計されたモバイルゲーム向けの最初のシステムです。 MobiCom 2017で、RAVENシステム「RAVEN：モバイルゲームのエネルギー消費の最適化」を説明するドキュメントが公開および表示されました。 技術の著者は、KAISTのChanyou Hwang、Saumay Pushp、Changyoung Koh、Jungpil Yoon、Cheon Seungpyo Cho、Junhwa Song、MSRAのYunxin Liuです。