1.一种图像处理方法,所述方法由电子设备执行,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述将所述当前帧图像、所述历史帧图像、所述第一向量和所述图像深度信息输入神经网络模型进行图像超分辨率处理,得到第一分辨率的当前帧图像,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据所述当前帧图像、所述历史帧图像和所述第一向量,得到拼接图像,包括:
4.根据权利要求3所述的方法,其特征在于,在所述对所述预测图像和所述当前帧图像进行对齐拼接之前,所述方法还包括:
5.根据权利要求4所述的方法,其特征在于,在所述得到放大后的当前帧图像之后,所述方法还包括:
6.根据权利要求2至5中任一项所述的方法,其特征在于,所述将所述拼接图像和所述图像深度信息输入所述神经网络模型进行图像超分辨率处理,得到所述第一分辨率的当前帧图像,包括:
7.根据权利要求6所述的方法,其特征在于,在所述得到所述拼接图像之后,所述方法还包括:
8.根据权利要求1至7中任一项所述的方法,其特征在于,在所述将所述当前帧图像、所述历史帧图像、所述第一向量和所述图像深度信息输入神经网络模型进行图像超分辨率处理之前,所述方法还包括:
9.根据权利要求8所述的方法,其特征在于,所述损失包括第一损失、第二损失、第三损失和第四损失中的至少一个损失;
10.根据权利要求8或9所述的方法,其特征在于,在所述获取训练图像集之后,所述方法还包括:
11.根据权利要求1至10中任一项所述的方法,其特征在于,在所述将所述当前帧图像、所述历史帧图像、所述第一向量和所述图像深度信息输入神经网络模型进行图像超分辨率处理之前,所述方法还包括:
12.根据权利要求11所述的方法,其特征在于,在所述将所述当前帧图像、所述历史帧图像、所述第一向量和所述图像深度信息输入神经网络模型进行图像超分辨率处理,得到第一分辨率的当前帧图像之后,所述方法还包括:
13.根据权利要求1至12中任一项所述的方法,其特征在于,所述电子设备包括嵌入式神经网络处理器npu,所述将所述当前帧图像、所述历史帧图像、所述第一向量和所述图像深度信息输入神经网络模型进行图像超分辨率处理,包括:
14.根据权利要求1至13中任一项所述的方法,其特征在于,所述神经网络模型为包括7层卷积层的网络模型。
15.根据权利要求1至14中任一项所述的方法,其特征在于,所述当前帧图像为所述电子设备上正在运行的游戏应用的图像。
16.根据权利要求15所述的方法,其特征在于,所述第一向量和所述图像深度信息为从所述游戏应用的渲染引擎中所获取的信息。
17.一种电子设备,其特征在于,包括:
18.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储了计算机程序,当所述计算机程序被处理器执行时,所述处理器调用指令,使得电子设备执行权利要求1至16中任一项所述的方法。