MultiDroid: An Energy Optimization Technique for Multi-Window Operations on OLED Smartphones
Notice bibliographique
Résumé
The inbuilt multi-window feature released with Android Nougat has enabled simultaneous working and visualization of multiple applications on mobile display screen. However, multi-window operations result in unnecessary energy drain due to increased multitasking, CPU load, and multithread processing. Considering linear dependence between power consumed and the displayed colors, we present the design and realization of MultiDroid, a novel display power reduction technique during multi-window operations for the OLED screens. MultiDroid employs dynamic local dimming based on the context switching between the application pairs displayed on the screen. The display optimization works based on the user interaction with the mobile screen, where dynamic changes on the display screens are implemented for the non-critical application window. MultiDroid architecture is validated through power modeling and correctness verification. Furthermore, a survey on multi-window usage has been conducted reflecting the application usage pattern. The performance of MultiDroid is evaluated on preferred application pairs on multi-window framework obtained from the survey. Modeling and comparative analysis of the energy profiles for the devised test cases on optimized and default multi-window screens reflect around 10% to 25% reduction in the overall device power consumption per hour with a negligible performance degradation. After experimental validation, we present user acceptance and feasibility of MultiDroid based on the feedback from 50 participants.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».