Por Miran Lee, diretora do Microsoft Research e Yunxin Liu, pesquisador-chefe //
Na última década, os jogos para dispositivos móveis se tornaram uma grande indústria. De acordo com estimativa da Newzoo, o mercado mundial de jogos móveis movimentou US$ 46,1 bilhões em 2017, um aumento de 19,4% em relação ao ano anterior.
Os gamers podem desfrutar de uma experiência incrível de jogo em dispositivos móveis devido à capacidade de processamento cada vez mais poderosa das GPUs atuais. No entanto, essa experiência de jogo tem um preço: consumo de energia. Ele aumenta proporcionalmente com a qualidade da computação gráfica. Como resultado, jogos móveis de ponta, com conteúdo gráfico rico, são consumidores de energia e acabam com as baterias muito rapidamente.
Para resolver esse problema, pesquisadores do Microsoft Research Asia (MSRA) e do Instituto Superior de Ciência e Tecnologia da Coréia (KAIST) desenvolveram um novo sistema, chamado RAVEN, para reduzir o consumo de energia de jogos móveis sem comprometer a experiência do usuário.
O RAVEN é baseado na observação de jogos móveis: muitos quadros renderizados em um jogo são iguais ou muito parecidos. As diferenças entre esses quadros são muito pequenas para serem perceptíveis pelos jogadores. No entanto, os jogos móveis sempre apresentam uma alta taxa de 60 quadros por segundo (FPS), independentemente da semelhança entre eles. Com base na medição feita pelos pesquisadores, esses quadros redundantes podem representar mais de 50% do total de quadros em muitos jogos. Claramente, a eliminação da renderização poderia reduzir significativamente o consumo de energia.
Portanto, o RAVEN é um sistema inovador que aproveita a percepção visual humana para dimensionar a taxa de renderização de quadros. Para isso, ele apresenta o uso de escalas conscientes da percepção (PAS) das taxas de renderização de quadros. Essa metodologia de economia de energia reduz a taxa de renderização de quadros de um jogo sempre que a semelhança entre os quadros for visível.
O RAVEN trabalha configurando um canal lateral para rastrear as sequências de quadros renderizados para adaptar a percepção do usuário em relação a mudanças de gráficos durante o jogo. Desta forma, o RAVEN reduz o consumo de energia da GPU.
O sistema RAVEN consiste em três componentes principais que dimensionam a taxa de renderização do quadro: Frame Difference Tracker (F-Tracker), Rate Regulator (R-Regulator) e Rate Injector (R-Injector). O sistema funciona sequencialmente. Primeiro, o F-Tracker mede a semelhança perceptível entre dois quadros recentes. Então, o R-Regulador prevê o nível de semelhança entre o quadro atual e o próximo. A previsão é feita com base na similaridade entre os dois. Se os próximos quadros forem semelhantes o suficiente (determinado por um limiar) ao atual, o R-Injector limita as taxas de renderização de quadros, atrasando o loop de renderização e ignorando o processamento de gráficos para quadros desnecessários. Atualmente, o RAVEN pode pular até três quadros e, portanto, gerar uma queda de taxa de quadros para 15 FPS.
O desafio principal que o RAVEN tenta resolver é determinar a semelhança dos quadros com um baixo custo computacional. O método direto para comparar a similaridade é o cálculo da margem de similaridade estrutural dos quadros (SSIM). Determinar o resultado SSIM é um processo intenso para a computação e, portanto, usa muita energia, particularmente para quadros grandes. Os dispositivos móveis de hoje, incluindo os smartphones, geralmente têm uma alta resolução, de 1920 × 1080 pixels ou maior, tornando a computação em cada resultado SSIM um método inviável para que o RAVEN aplique.
Para enfrentar o desafio, os pesquisadores empregaram duas novas técnicas. Primeiro, desenvolveram um método eficiente de energia para medir a semelhança perceptiva com base na suscetibilidade dos olhos humanos à diferença de cor. Esse método aproveita a diferença no componente de luminância (isto é, o componente Y no espaço de cores YUV) entre os quadros. Eles avaliaram amplamente o método comparando-o com o SSIM em várias configurações. Os resultados mostraram que o método baseado em luminância mediu eficientemente a similaridade perceptiva com um baixo custo computacional.
Em segundo lugar, os pesquisadores criaram um display virtual, clonado do display principal do dispositivo móvel, mas com uma resolução muito menor (por exemplo, 80 x 45 pixels). O sistema lê o conteúdo gráfico do display virtual para a medição de similaridade. Como a resolução da exibição virtual é significativamente menor, o consumo geral de computação e energia também são muito menores. As duas técnicas acima mencionadas reduzem a sobrecarga de energia do RAVEN.
Como próximo passo, os pesquisadores implementaram o sistema RAVEN em um smartphone Nexus 5x. Em um estudo de usuário com 11 pessoas, eles realizaram experiências abrangentes usando vários aplicativos de jogo para avaliar o desempenho do RAVEN. Os resultados mostraram uma redução média entre 21,8% e 34,7% no consumo da energia por jogo, mantendo qualidade e experiências de usuários.
O RAVEN é o primeiro sistema projetado para alcançar taxa de quadros e economia de energia com base em similaridade perceptiva para jogos móveis. O documento que descreve o sistema – “RAVEN: Otimização consciente do consumo de energia para jogos móveis” –, foi publicado e demonstrado na MobiCom 2017. Estão entre os autores Chanyou Hwang, Saumay Pushp, Changyoung Koh, Jungpil Yoon, Seungpyo Choi e Junehwa Song, do KAIST, e Yunxin Liu, do MSRA.
