AMD 推出了一项名为 PEPS 的新型纹理压缩技术，旨在解决当前神经纹理压缩领域中模型参数量过大的问题。该技术能够在保持图像质量基本不变的情况下，将模型参数量减少 25%。

神经纹理压缩的关键在于利用“隐式神经表示”模型，让其学习如何将纹理坐标映射至最终的信号值。与传统的将低维坐标映射到高维正弦/余弦向量的方法不同，PEPS 创新性地将每个正弦/余弦投影视为李萨如曲线上的一个点，并通过对这些投影点进行采样来承载更丰富的信息。这种方法使得隐式神经表示能够用更少的参数实现与传统方法相当的纹理还原效果。

然而，参数量的减少是以增加计算开销为代价的。AMD 在 Radeon RX 9070 XT 显卡上的测试显示，使用 BI-grid 基准方案生成一张 1024×1024 的三通道纹理耗时 4.32 毫秒，而采用 Grid-PEPS 方案则需要 5.47 毫秒。这种额外的计算和内存访问是导致性能下降的主要原因。不过，通过进一步优化，Grid-PinkPEPS 版本已将耗时缩短至 4.86 毫秒，显著缩小了与基准方案的差距。

PEPS 技术还具有更广泛的应用潜力，尤其是在 3D 渲染领域。例如，在符号距离函数（SDF）的应用中，通常需要高分辨率网格，这会消耗大量的显存。在 Pitted Stonefish SDF 的测试中，Grid-PEPS 在编码器参数量仅为非 PEPS 方法八分之一的情况下，实现了与原模型几乎相同的交并比（IoU），表明其在优化显存占用方面具有显著优势。

尽管这项技术在理论上具有重要意义，但距离普通用户能够实际体验可能还有一段距离。目前，仅有英伟达提供了公开的神经纹理压缩工具和演示，并且尚未有游戏完整采用该技术。AMD 方面，这项技术仍处于早期研发阶段，尚未正式命名。在显存容量日益成为瓶颈的背景下，尤其是 8GB 显存显卡在未来几年仍将是主流配置的情况下，神经纹理压缩领域的任何进展都值得业界密切关注。