在2026年度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，引发神经图形学领域广泛关注。这项突破性成果聚焦于神经纹理压缩领域，通过优化模型架构，在画质损失可忽略的前提下，成功将模型参数量缩减25%，为实时渲染场景的显存优化提供了新思路。
传统神经纹理压缩依赖“隐式神经表示”模型，通过将低维纹理坐标映射为高维信号值实现压缩。常规方案采用正弦/余弦函数进行位置编码，但存在信息承载量受限的问题。PEPS技术独辟蹊径，将每个编码投影点映射至李萨如曲线上进行采样，这种数学变换使模型能用更少参数表达更复杂的纹理特征。实验数据显示，在1024×1024分辨率的三通道纹理生成任务中，优化后的Grid-PinkPEPS方案耗时4.86毫秒，较基准方案增加12.7%计算时间，但参数规模显著降低。
该技术的优势在3D建模领域得到进一步验证。以符号距离函数（SDF）应用为例，传统方法需要依赖高精度网格数据，导致显存占用激增。在Pitted Stonefish模型测试中，采用PEPS编码的方案仅使用非PEPS方法12.5%的参数，就实现了98.3%的交并比（IoU），证明其在复杂几何重建中的有效性。这种显存效率的提升，对VR/AR等需要实时加载高精度模型的场景具有重要价值。
尽管技术前景广阔，但产业转化仍需时日。当前神经纹理压缩领域，英伟达凭借公开工具包占据先发优势，而AMD的PEPS方案尚处于实验室阶段。游戏开发者透露，现有3A大作中尚未出现完整部署神经纹理压缩的案例，主要受限于硬件兼容性和开发工具链成熟度。业内人士分析，随着RDNA4架构显卡的普及，这类创新技术有望在2028年后逐步进入消费级市场。
