手机大厂如何处理安卓分屏退出后最近任务显示一半问题?

news/2025/3/3 11:14:28/

背景:

近来在有学员朋友在群里讨论到了一个分屏退出后,在桌面最近任务中的卡片显示异常问题,虽然他的问题和目前市场上的最近任务显示一半情况不一样。但是这里也刚好启发了群里vip学员们对这个最近任务对分屏task只显示一半画面问题进行相关的调研和激烈讨论哈。
分屏退出问题后最近任务现象:
在这里插入图片描述
针对这个最近任务中task如果从分屏退出的,下半屏在最近任务中就空白没有显示任何内容,其实也能理解为啥会显示半屏,主要还是因为分屏时候本身就是只有半屏内容,所以自然截图也只有半屏。但是针对android本身就有这样一个原生问题具体该如何改进呢?
针对这个问题vip群的技术讨论非常激烈:
在这里插入图片描述

下面来分析分析几个手机厂商的是如何处理的。

如何处理最近任务半屏问题

复现步骤:
1、哔哩哔哩应用和可以进入分屏的另一个应用同时进入分屏
2、触摸哔哩哔哩焦点到这个app上,然后返回退出分屏
3、上滑进入桌面多任务既可以看到哔哩哔哩半屏task问题
那么接下来看看大厂们是桌面解决规避该问题的,首先调研到小米手机处理方式如下:
在这里插入图片描述
明显可以看出这里的bibili应用最近任务卡片显示并没有出现下半屏不显示内容情况,但是也可以看出这里哔哩哔哩显示的这个task卡片的画面也是有被裁剪的,并不是真正的全屏,明显看着是拿半屏task画面,裁剪出来的。
具体估计方案如下:

在这里插入图片描述

这个是一种比较好的处理方案哈,当然也有一些手机厂商压根没有处理的,比如如下手机厂:
在这里插入图片描述

扩展是否有其他交互方案:

针对上面裁剪显示可能有的同学认为也不是那么完美,有没有其他好方案呢?
这里也可以从一些大厂手机获取一些思路,比如如下一种处理方案:
在这里插入图片描述
这里是对相册这个应用进行相关的多任务卡片的遮盖处理,同时也可以大概模糊的透看到底部一点内容。

所以这种思路也就是使用一些其他遮盖图层,或者是对task画面进行高斯模糊放大裁剪等画面,替换掉原来的真实task画面。

最完美的方案的相关思考

其实上面都是针对task的截图了半屏后,对图像的一些裁剪,或者是遮盖模糊等处理,本质上都只是一种交互规避方案,不需要修改到wms那块的原生窗口大小显示逻辑。
那么是否可以考虑直接正面解决呢?直接不让截图到半屏,只要进入到最近任务就是让task全屏,截图到全屏呢?
其实这种解决方法理论上也是可以做到的,但是逻辑上是不合理的,因为最近任务只是展示task曾经的一种状态,即task显示的内容肯定是已经展示过给用户了,如果我们是从分屏退出,其实task对于用户来说只展示过分屏的task画面,没有展示过task的全屏画面,但是如果因为我们强制想办法修改相关逻辑,让最近任务显示全屏task的内容,这个反而会让用户觉得很奇怪,为啥我都从来没见过task全屏画面,但是在最近任务里面却显示是task的全屏画面。

所以,综合以上因素还是认为保留task的半屏截图然后做相关处理是最好的一种方案。

参考链接:https://mp.weixin.qq.com/s/Tv85ncfE_9J2xoKyMmMayQ

更多framework实战干货,请关注下面“千里马学框架”


http://www.ppmy.cn/news/1576275.html

相关文章

基于RKNN的嵌入式深度学习开发(2)

上一个章节我们介绍的RKNN模型的模型转换和模型的推理,这一章节我们将介绍模型的量化和评估部分。 2.3 RKNN模型的量化 量化就是将浮点转换为定点运算的过程,或者训练后由rknn来量化。量化模型使用较低精度(如int8/uint8/int16)保…

C++(6)内存管理

一.C/C内存分布 首先我了解一下C/C中程序内存区域的划分 以下就是大致的图形 那么各区域是用来干嘛的呢? 1. 代码区(Text Segment) 作用:存放编译后的机器指令(即程序的执行代码)。 特点: 只…

Pytorch实现之结合mobilenetV2和FPN的GAN去雾算法

简介 简介:该论文提出了一种基于特征金字塔网络(FPN)的生成对抗网络(GAN)单幅图像去雾算法。 该方法是一种端到端图像去雾方法,避免了对物理模型的依赖。 生成器以MobileNet-V2为骨干网络,采用FPN结构提高图像的特征利用率。鉴别器是常规架构,损失函数也是常规函数。 …

蓝桥杯 门牌制作

1.门牌制作 - 蓝桥云课 门牌制作 题目描述 本题为填空题,只需要算出结果后,在代码中使用输出句将所填结果输出即可。 小蓝要为一条街的住户制作门牌。 这条街一共有2020位住户,门牌号从1到2020编号。 小蓝制作门牌的方法是先制作0到9这…

一个使用ALIGNN神经网络对材料性能预测的深度学习案例解读

案例:使用更先进的图神经网络(ALIGNN)结合Materials Project API进行材料带隙预测 在这个案例中,我们将使用一种更先进且性能更优的图神经网络模型——ALIGNN(Atomistic Line Graph Neural Network)&#…

解锁高效开发新姿势:Trae AI编辑器深度体验

解锁高效开发新姿势:Trae AI 编辑器深度体验 在软件开发领域,效率就是生命。字节跳动新推出的 AI 编辑器 Trae,就像一把神奇的钥匙,为开发者打开了高效开发的大门。最近我深入体验了 Trae,今天就来和大家分享一下使用…

React生态、Vue生态与跨框架前端解决方案

React生态系统 1 基础框架 React.js 是一个用于构建UI的JavaScript库。 2 应用框架 Next.js 是基于React.js的完整应用框架。主要负责应用如何工作: 应用架构:路由系统、页面结构渲染策略:服务端渲染(SSR)、静态生成(SSG)、客户端渲染性…

机器分类的基石:逻辑回归Logistic Regression

机器分类的基石:逻辑回归Logistic Regression 逻辑回归核心思想总结 1. 核心原理与改进 问题驱动: 从线性回归的不足出发(输出无界、对极端值敏感),逻辑回归通过 Sigmoid函数(非线性映射)将线…