索用神经网络做降噪、超分辨率。如果我们训练一个网络，输入场景的几何、材质、光源信息，输出每个光子对最终图像的贡献权重...提前剔除低权重的光子，存储开销可以降低70%以上。”
“这...”周牧盯着他，像在看外星人，“这需要大量的训练数据和计算资源。而且，实时性怎么保证？神经网络推理也需要时间...”
“预训练+轻量化模型。”姜宇说得很快，“用离线渲染的大量场景做训练，得到一个通用模型。部署时用简化的网络结构，配合GPU加速。2005年的GeForce 7800 GTX已经有可编程着色器单元，可以做简单的矩阵运算。”
他顿了顿，补充：“我知道这听起来超前。如果我们不做，一两年后，一定会有人做。到时候我们就只能追赶了。”
周牧沉默了很久。
最后他说：“你有具体的方案吗？”
“有。”姜宇从背包里拿出U盘，“昨晚写了个大纲，包括数据采集方法、网络结构设计、训练和部署流程。但需要懂数学的人来完善。”
周牧接过U盘，插进电脑。
屏幕上跳出一个PDF文档，28页，图文并茂，从理论推导到伪代码，甚至还有初步的基准测试预估。
“你一晚上写的？”周牧的声音有些惊讶。
“睡不着。”姜宇轻描淡写。
实际上，这是前世光影纪元在2018年才成熟的一项技术，基于深度学习的光子重要性预测。
他凭记忆还原了核心框架，虽然细节需要填补，但方向和路径是清晰的。
周牧一页页翻看，呼吸逐渐急促。
“这个损失函数的设计...巧妙。”他指着其中一页，“用渲染误差的梯度作为监督信号，而不是直接的光子贡献值...”
“因为直接贡献值不稳定，受噪声影响大。”姜宇接话，“用梯度更鲁棒。”
“对！对！”周牧猛地转头看他，眼镜片后的眼睛闪着光，“姜宇，你到底是什么背景？国内哪个实验室出来的？”
“中国传媒大学，动画与数字艺术学院。”姜宇微笑，“我们学校有几位教授和MIT媒体实验室有合作。我接触过一些前沿资料。”
半真半假的解释。
周牧信了。
“这项目，我想做。”他说得很郑重，“就算只是理论验证，也有发表顶级论文的可能。SIGGRAPH级别。”
“不止是论文。”姜宇压低声音，“如果我们真能做出原型，甚至工具链，未来可以卖给工业光魔、维塔数码，或者自己创业。”
“创业？”周牧愣住。
“为什么不行？”姜宇看着他，“美国每年有几百家技术创业公司诞生。我们如果有核心算法，有专利，就有机会。”
周牧沉默了。
他低头看着屏幕上的文档，手指敲击桌面。
姜宇不急，他知道周牧需要时间消化。
这个前世陪他创业十年的兄弟，本质上是个技术纯粹主义者。
他热爱的是解决问题本身，而不是商业成功。
需要用“技术可能性”来吸引他，而不是“赚钱前景”。
“我需要想想。”最后周牧说，“但这项目我加入。就算不为了创业，也为了做出点不一样的东西。”
“好。”姜宇伸出手，“合作愉快。”
更多内容加载中...请稍候...
若您看到此段落，代表章节内容加载失败，请关闭浏览器的阅读模式、畅读模式、小说模式，以及关闭广告屏蔽功能，或复制网址到其他浏览器阅读！