Dynamic Resolution Scaling

了解什么是动态分辨率缩放及其如何优化性能。学习将其应用于 Ultralytics YOLO26 以实现高效的实时推理。

当你询问什么是动态分辨率缩放时，它指的是一种实时调整图像、视频帧或渲染管线内部分辨率，以保持稳定帧率并优化计算资源的技术。动态分辨率缩放 (DRS) 最初在视频游戏中流行，用于防止高负载场景下的性能下降，现已成为人工智能 (AI) 和计算机视觉中的关键概念。通过根据硬件负载动态改变分辨率，系统可以确保一致的吞吐量，而不会出现严重的延迟峰值。

Link to this section动态分辨率缩放的工作原理#

在标准处理管线中，硬件的任务是处理固定数量的像素。如果你想知道动态分辨率缩放的作用，它是指主动监控系统性能指标（例如推理延迟或帧渲染时间）。如果系统检测到瓶颈，DRS 会自动降低内部分辨率，以减少图形处理器 (GPU) 上的工作负载。

现代实现经常将 DRS 与先进的深度学习超分辨率技术结合使用。在这种场景下，AI 驱动的图形渲染会从低分辨率基准重构高质量的输出图像。这使得算法可以在 AI 智能填充缺失视觉信息的同时，平滑地分析或显示场景。

Link to this section实际应用#

动态分辨率缩放被广泛应用于计算机图形学和机器学习部署，以平衡速度与准确性：

AI 驱动的图形与游戏：DRS 最显著的消费者用途是配合 NVIDIA DLSS（深度学习超级采样）和 AMD FSR 使用。高端应用程序依赖这些工具以可变的较低分辨率渲染复杂环境。然后，AI 使用空间超分辨率技术输出清晰的图像，这使得 PlayStation 光谱超分辨率 (PSSR) 等技术对于平滑的现代图形至关重要。
Adaptive Computer Vision on Edge Devices: When deploying object detection models on hardware subject to edge computing constraints and thermal throttling limitations, maintaining real-time speeds is challenging. Developers can implement an adaptive strategy for models like Ultralytics YOLO26. By dynamically adjusting the input imgsz parameter, the model can scale down from 640x640 to 320x320 during peak system loads, ensuring continuous real-time inference.

Link to this section你应该使用动态分辨率缩放吗？#

开发者中常见的问题是我应该使用动态分辨率缩放吗，以及动态分辨率缩放对于边缘计算部署是否有效。答案通常是肯定的，特别是对于那些持续性能比分析每个微小视觉细节更重要的系统。虽然静态分辨率强制处理相同的像素数而不考虑计算成本，但 DRS 提供了灵活性以防止软件崩溃或卡顿。如果你正在 Ultralytics Platform 上配置计算机视觉管线，利用自适应分辨率策略与优化批大小或应用模型量化对提高整体管线效率同样具有影响力。

与可变速率着色（它选择性地降低图像特定部分的纹理细节）不同，DRS 缩放整个图像的足迹。这直接影响传递给 PyTorch 框架或图形引擎的全局输入维度。

Link to this section在视觉 AI 中实现自适应分辨率#

你可以轻松使用 Python 编程语言构建一个脚本，通过动态改变传递给模型预测模式的图像大小来模拟 DRS。通过利用动态图架构，模型可以无缝地实时适应新尺寸，而无需重新加载。

from ultralytics import YOLO

# Load a pre-trained Ultralytics YOLO26 model
model = YOLO("yolo26n.pt")


def adaptive_inference(frame, current_fps):
    # Dynamically scale input resolution based on system performance (e.g., target 30 FPS)
    input_size = 640 if current_fps > 30 else 320

    # Run inference with the dynamically selected resolution
    results = model.predict(source=frame, imgsz=input_size, verbose=False)
    return results

通过自适应地管理分辨率，你可以将更稳健的计算机视觉系统部署到 NVIDIA Jetson 等设备上，并能优雅地处理性能峰值，而不会中断视频流。