在 Houdini FX 22.0.429 里,同一批 100,000 个 UV 采样被喂给两个网络,两者都要预测 RGB、高光强度和一张遮罩。给第二个网络加上八个频段后,留出样本上的五通道 RMSE 从 0.26167 降到 0.01507。变化最肉眼可见的是那张遮罩。

打开网易新闻 查看精彩图片

换到程序化高度场上,结论反了过来。只有 1,000 个训练点时,九个频段把误差从 5.56 世界单位推到 10.42。直接求值地形公式的结果与参考值相差仅 0.0133 单位。以一单位为容差,公式被保留下来。

导出环节另做了一次测试:把同样的 10,000 个坐标分别送进 PyTorch 和 Houdini,最大差异为 0.0000363。这个吻合度说明导出过程保住了网络本身,即便这个网络对地形的拟合并不好。

两组实验指向同一件事:频段不是越多越好,收益取决于任务和数据量。纹理拟合在十万级采样上吃到了频段红利,高度场在千级训练点下被频段拖累。Codex 参与了实验与写作。