在近期举办的I3D研讨会上，AMD公布了一项名为PEPS（位置编码投影采样）的创新技术，这项成果为神经纹理压缩领域带来了新的突破。通过优化位置编码的应用方式，PEPS在保持画质不变的前提下，成功将神经纹理压缩模型的参数规模缩减了25%，为3D渲染中的显存优化提供了新的解决方案。
神经纹理压缩的核心在于训练隐式神经表示模型，使其能够学习坐标到信号的映射关系。PEPS技术在此基础上进行了创新，它将每个正弦/余弦投影视为李萨如曲线上的特定点，随后对这些投影点进行编码器或网格采样。这种处理方式显著增加了隐式神经表示所承载的信息量，从而在参数减少的情况下依然能够维持高质量的纹理表现。
AMD在RX 9070 XT显卡上对PEPS技术进行了测试。结果显示，在生成一张1024×1024分辨率的三通道纹理时，使用BI-grid基准方法需要4.32毫秒，而采用Grid-PEPS方法则耗时5.47毫秒。尽管性能有所下降，但经过进一步优化的Grid-PinkPEPS版本将耗时缩短至4.86毫秒。性能损失的主要原因在于额外采样带来的计算和内存访问开销。
PEPS技术的应用不仅限于纹理压缩。在对符号距离函数领域的研究中，该技术同样表现出色。以Pitted Stonefish符号距离函数为例，Grid-PEPS在编码器参数仅为传统方法八分之一的情况下，依然能够达到相近的交并比，证明了其在复杂场景下的有效性。
对于3D渲染行业而言，显存占用一直是一个亟待解决的问题。当前，8GB显存的显卡在处理高分辨率纹理时常常出现显存不足的情况。AMD的PEPS技术通过减少纹理参数数量，在同等画质下有效缓解了显存压力，为游戏和图形应用提供了更高效的解决方案。
目前，在神经纹理压缩工具包和演示方面，英伟达是唯一公开提供相关资源的厂商，但尚未有游戏完整实现该技术。AMD的PEPS技术虽然尚未正式命名，但其潜力已引起业界广泛关注。随着显存容量的需求持续增长，神经纹理压缩技术的实际应用前景值得进一步探索。
