神经纹理块压缩

块压缩是一种广泛用于实时图形应用程序中纹理压缩的技术，可显著减少存储空间。然而，其存储效率受固定压缩比率的限制，当需要大量高质量纹理时，这会显著增加存储空间。本文提出了一种基于神经网络的新颖纹理块压缩方法，称为神经纹理块压缩（NTBC）。NTBC学习从未压缩纹理到块压缩纹理的映射，这允许在不改变着色器的情况下显著降低存储成本。我们的实验表明，NTBC能够以约70%更少的存储占用实现合理质量的结果，在图形管道的纹理加载阶段保持实时性能，同时带来适度的计算开销。