这项技术聚焦于近年来备受关注的神经纹理压缩领域，在保持画质基本不变的前提下，成功将模型参数量削减了 25%。

神经纹理压缩的核心在于训练一种叫做“隐式神经表示”的模型，让它学会将纹理坐标映射为最终的信号值。传统的位置编码通常会把低维坐标映射到高维的正弦 / 余弦向量上，而 PEPS 的改进思路是，把每一个正弦 / 余弦投影都看作李萨如曲线上的一个点，再对这些投影点进行采样。这一变化使得隐式神经表示能够承载更丰富的信息量，从而用更少的参数实现同等的纹理还原效果。

当然，这种参数量的缩减是以额外的计算开销为代价的。AMD 在 Radeon RX 9070 XT 显卡上的测试数据显示，生成一张 1024×1024 的三通道纹理，采用 BI-grid 基准方案耗时 4.32 毫秒，而采用 Grid-PEPS 方案则增加到 5.47 毫秒。额外的采样步骤带来了更多的计算和内存访问，这是性能损耗的主要原因。不过，经过进一步优化的 Grid-PinkPEPS 版本已将耗时缩短至 4.86 毫秒，与基准的差距有所收窄。

PEPS 的潜在应用场景并不局限于纹理压缩。在 3D 渲染中广泛使用的符号距离函数（SDF），通常依赖高分辨率网格，对显存消耗极大。

在对 Pitted Stonefish SDF 的测试中，Grid-PEPS 在编码器参数仅为非 PEPS 方法的八分之一时，仍能达到几乎相同的交并比（IoU），即重建的 3D 形状与原模型的重合度。这对于优化显存占用而言无疑是一个积极的信号。

IT之家提醒：尽管这项研究在技术层面颇具看点，但距离普通玩家能实际体验到可能还为时尚早。目前业界只有英伟达提供了公开的神经纹理压缩工具包和演示，且市面上尚无任何一款游戏完整部署了这项技术。

而在 AMD 这边，相关支持更是处于早期阶段，官方甚至还没有为这项技术确立一个正式的商用品牌名称，在各项研究中仍使用着通用的技术术语。不过，在显存容量持续吃紧、8GB 显存显卡在未来数年仍将是主流配置的背景下，业界在神经纹理压缩领域的每一步探索都值得持续关注。

这是我们系列文章的第一篇，聚焦于背景故事的撰写与发展。后续还会有更多精彩内容，敬请期待！别忘了在评论区告诉我，你还想看哪些主题的文章！