不用反向传播：用进化策略拟合神经纹理与 PBR 材质贴图
来源：richg42.blogspot.com — richg42.blogspot.com · 4 分 · by ibobev
📋 概述
Richard Geldreich 发布实验项目 neural_texture_es2：一张 RGB 图（或同一材质最多四张同尺寸贴图）被编码成一张低分辨率隐纹理加一个小型 MLP 解码器，两者完全用进化策略训练，没有反向传播、没有自动微分、也没有训练框架。技术关键是把解码器已知的空间依赖结构用起来：同时扰动所有隐值，成对做整图的正负扰动解码，再把每个像素的损失差异只记到它双线性采样足迹真正读到的那些隐纹素上。
🔑 核心要点
- 全部用 进化策略训练，无反向传播与自动微分。
- 支撑受限的足迹归因让一对解码生成整个隐层的估计。
- 可做量化感知训练，非可导量化器直接进循环。
- 同一隐层可联合训练最多四张材质贴图。
- 作者把实现与时间戳作为公开先有技术披露。
💡 金句
因为进化策略只看损失值，任何不可导的量化器或编解码器都能直接待在训练循环里，不需要直通估计器。
👍 0
👎 0
← 返回 Hacker News 首页