在数字图形的世界里，纹理就像是给3D模型穿上的衣服，让原本光秃秃的几何体变得生动逼真。然而，这些"衣服"往往非常占用存储空间和计算资源，就像一个衣柜里堆满了厚重的冬装。剑桥大学计算机科学技术系的研究团队在2026年2月发表的这项研究（论文编号arXiv:2602.02354v1），就像是发明了一种神奇的压缩技术，能够把厚重的冬装变成同样保暖但轻薄如丝的材料。
这项研究的核心在于探索一种全新的纹理表示方法——隐式神经表示（Implicit Neural Representation，简称INR）。传统的纹理存储方式就像是用数码相机拍照，每个像素点都要单独记录颜色信息，数据量庞大。而INR技术则更像是训练一位画家的大脑，让神经网络学会根据坐标位置直接"想象"出该处应该是什么颜色，从而用极少的参数就能重现复杂的纹理图案。
研究团队选择了四种不同的神经网络架构来完成这项"画家训练计划"。第一种是最基础的多层感知机（MLP），就像是刚入门的画家，只掌握了基本的绘画技巧。第二种加入了正弦激活函数的SIREN网络，如同天赋异禀的画家，天生对曲线和波浪有着敏锐的感知。第三种则配备了傅里叶位置编码的MLP，相当于给画家
