최근 뉴럴 텍스처 압축 연구는 재료별 작은 텍스처 표현(잠재 텍스처와 작은 멀티 레이어 퍼셉트론 디코더로 구성)을 학습하여 쉐이딩 시 실시간으로 디코딩하여 물리 기반 쉐이딩 모델의 입력을 재현할 수 있음을 보여줬어요.
기존 방식은 MLP와 잠재 구성에 대해 그래디언트 디센트 최적화를 재료별로 수행해야 하지만, 이번 연구에서는 잠재 특징과 MLP 가중치 및 편향을 모두 출력하는 단일 하이퍼네트워크를 학습했어요.
이 접근 방식은 고차원 문제 공간에서 작동하지만, 현재의 뉴럴 텍스처 압축기와 비교 가능한 품질의 결과를 만들어냈고, 슈퍼 해상도를 학습하는 디코더도 생성할 수 있어요.