[发明专利]特效消耗时长的预测方法、装置、电子设备及存储介质

权利要求书

1.一种特效消耗时长的预测方法，其特征在于，所述方法包括：

获取待预测特效的至少一个目标特征参数在多个渲染帧中对应的候选特征值；

针对任一所述目标特征参数，基于所述目标特征参数对应的多个候选特征值，确定所述目标特征参数对应的目标特征值；所述目标特征值为影响所述待预测特效在渲染过程中消耗时间的关键数据；

将所述待预测特效的至少一个目标特征值输入训练好的特效消耗时长预测模型中，预测出所述待预测特效的目标最大消耗时长；所述目标最大消耗时长用于表征所述待预测特效在渲染过程中各个渲染帧对应的消耗时长中的最大时长。

2.根据权利要求1所述的方法，其特征在于，针对任一所述目标特征参数，根据以下步骤确定所述目标特征参数对应的目标特征值：

从所述目标特征参数对应的多个候选特征值中选取最大特征值，确定为所述目标特征值；和/或，

根据所述目标特征参数对应的多个候选特征值，确定反映所述目标特征参数在所述待预测特效中的总体特征值，并将所述总体特征值确定为所述目标特征值。

3.根据权利要求1所述的方法，其特征在于，所述目标特征值包括以下至少一种数值：

最大渲染操作调用次数、最大粒子数、最大面数、最大贴图数、总体纹理数、总体子模型数。

4.根据权利要求1所述的方法，其特征在于，所述特效消耗时长预测模型为目标单调递增决策森林模型，所述目标单调递增决策森林模型包括多个梯度提升决策树；所述将所述待预测特效的至少一个目标特征值输入训练好的特效消耗时长预测模型中，预测出所述待预测特效的目标最大消耗时长，包括：

将所述待预测特效的至少一个目标特征值输入各个梯度提升决策树，确定各个梯度提升决策树的投票打分结果；

根据所述多个梯度提升决策树的投票打分结果，预测出所述待预测特效的目标最大消耗时长。

5.根据权利要求4所述的方法，其特征在于，根据以下步骤训练出所述目标特效消耗时长预测模型：

获取多个样本特效，以及每个样本特效对应的真实最大消耗时长；

针对任一所述样本特效，确定所述样本特效的至少一个样本特征参数对应的样本特征值；所述样本特征值为影响所述样本特效在渲染过程中消耗时间的关键数据；

基于各个样本特效对应的样本特征值、每个样本特效对应的真实最大消耗时长以及单调递增约束条件，对初始单调递增决策森林模型进行训练，得到所述特效消耗时长预测模型；所述单调递增约束条件为样本特征值的大小与模型预测消耗时长满足正相关关系的条件。

6.根据权利要求5所述的方法，其特征在于，所述基于各个样本特效对应的样本特征值、每个样本特效对应的真实最大消耗时长以及单调递增约束条件，对初始单调递增决策森林模型进行训练，得到所述特效消耗时长预测模型，包括：

根据各个样本特效对应的样本特征值、每个样本特效对应的真实最大消耗时长以及单调递增约束条件，确定所述初始单调递增决策森林模型中每个梯度提升决策树的叶子节点的节点参数；

基于各个梯度提升决策树中叶子节点的节点参数，生成所述特效消耗时长预测模型。

7.根据权利要求5所述的方法，其特征在于，在所述基于各个样本特效对应的样本特征值、每个样本特效对应的真实最大消耗时长以及单调递增约束条件，对初始单调递增决策森林模型进行训练，得到所述特效消耗时长预测模型之后，所述方法还包括：

从所述多个样本特效中选取第一特效和第二特效，并将所述第一特效对应的样本特征值和真实最大消耗时长确定为验证集，以及将所述第二特效对应的样本特征值和真实最大消耗时长确定为测试集；

基于所述测试集对所述特效消耗时长预测模型进行测试，得到测试结果；

根据所述测试结果确定测试通过后，基于所述验证集对测试通过的所述特效消耗时长预测模型进行验证，得到验证结果，以便使用验证通过的所述特效消耗时长预测模型进行预测。