2026年7月11日，置编AMD在I3D国际研讨会上正式发布了名为PEPS（Position Encoding Projection Sampling）的码技位置编码投影采样技术。该技术通过重构位置编码的术神缩参数降组织架构与应用逻辑，在确保图像重建质量不降级的经纹前提下，成功将神经纹理压缩模型的理压参数规模缩减25%。相关研究成果由Guillaume Perez等三位学者共同撰写并发表。置编

神经纹理压缩的码技核心机制在于构建隐式神经表示模型，通过训练空间坐标至对应信号值的术神缩参数降映射关系，实现对图像、经纹纹理或几何属性的理压高效表达。PEPS在此框架下提出了创新思路：将传统由正弦与余弦函数构成的置编位置编码投影，抽象为李萨如曲线上的码技特定采样点；随后对这些点进行编码器采样或网格化采样，从而显著提升了隐式表征的术神缩参数降信息密度与承载能力。

目前，经纹该技术已在图像重建、理压纹理压缩以及符号距离函数（SDF）建模三类典型任务中完成验证。硬件实测数据显示，在搭载RX 9070 XT显卡的平台上，生成一张1024×1024分辨率、三通道纹理的耗时，基准BI-grid方案为4.32毫秒，Grid-PEPS方案为5.47毫秒；而经过进一步优化后的Grid-PinkPEPS版本将耗时控制在4.86毫秒。性能上的轻微损耗主要归因于新增采样操作所带来的额外计算负载及内存访问开销。

在符号距离函数领域，PEPS同样展现出优异的适应性。以Pitted Stonefish模型为例，Grid-PEPS方案仅需原方法八分之一的编码器参数量，即可达成相近的交并比（IoU）指标，证明了其在降低模型复杂度方面的有效性。

这一技术突破为缓解3D渲染过程中日益严峻的显存压力提供了新的解决路径。尽管目前行业内尚无游戏产品完整集成神经纹理压缩技术，且公开可用的相关工具极为有限，但AMD尚未为该方案确立正式的商业名称。随着显存容量瓶颈持续加剧，此类高效压缩方法的实际应用进程与落地前景值得行业高度关注。