四 spp 也有人信：把采样省下来的钱，拿去喂时序去噪

解读层 · 痛点开场

机械键盘敲一下，屏幕上的雕像还是糊的。实时路径追踪到了今天，最贵的不是「每像素打几百根光线」，而是「打了那么多根，下一帧还是抖」。这篇文章要把一件事讲透：采样这枚样本，到底该发给谁、发给多少，以及上一帧欠的账，能不能这一帧还。

一句话洞见

把光线当信派，把上一帧当账本，去噪就能从「花钱」变成「讨债」。 采样越多未必越对，钱该花在对的地方；省下来的钱全部拿去喂时序去噪，让上一帧的经验反哺下一帧。

图-段配对表

许可声明：以上 11 图均为原文原图「未修改」引用。本分区为非商业性技术内容分区。论文版权为 © 2020 作者与 Eurographics；ACM/EG 标准版权声明属非 CC 来源，需按政策逐件许可后方可正式上线（残留风险：单图 31.25 USD）。

1一个给游戏做了好几年全局光照的引擎，为什么还会「缺」光照方案

解读层 · 痛点开场

如果你盯着一帧实时渲染的画面看，你会看到：天花板的光斑还在闪，椅子腿上的噪点像刮过的旧胶片。问题从来不是「算法不会算光」，而是「给算法的光线太少，少到算出来的光在抖」。

离线渲染时代，路径追踪的答案很简单：我们有钱，多打光线。Zwicker 等人的综述 [ZJL∗15] 把自适应采样与重建这条线做了全景梳理。可一旦进到游戏，每帧只有几毫秒，每像素只能分到一根、四根、至多八根光线。光线一少，蒙特卡洛的方差就占了上风，画面里飘起一层「雾」。更糟的是这层雾还会随着镜头动，这一帧的亮点下一帧落到了别的像素上，整幅画面像蒙了一层被扰动的水面。

业界于是前赴后继做两件事。

第一件是去噪。用每像素少量光线，加上几何缓冲做向导，卷积出一个相对干净的结果。深度学习派系里，Bako 等人 [BVM∗17] 用大 CNN 逐像素预测唯一的滤波器核，Vogels 等人 [VRM∗18] 把它推广到时间序列并引入核预测，Xu 等人 [XZW∗19] 再加对抗损失。这批方法质量确实好，16 到 64 spp 输入能去得干干净净，代价也明摆着：高档 GPU 上每秒约一帧，属于「慢而美」。

第二件是自适应采样。不平均分光线，把预算集中到方差大的地方。Kuznetsov 等人 [KKR18] 的 DASR 是这条线的代表：先整帧打 1 spp，交给采样密度网络，输出一张「哪些像素要多打」的地图，再按图补光线，最后统一去噪。思路是对的，弱点同样明显：决定补给谁的依据，是那张又脏又糊的 1 spp 首采样。噪声越高的地方，越难从首采样里看出它噪声高。

在去噪那条线上还有一群做「时序」的人。Chaitanya 等人 [CKS∗17] 用一个带递归卷积块、每个编码层级都留状态的 U-net 做交互式重建，让网络顺着时间积累信息，类似一阶 IIR 滤波。但每个层级的递归块都贵，捕捉帧间重投影又难，导致它只适合小运动，还得靠 TAA [Kar14] 做尾巴收拾残留。Kaplanyan 等人 [KSL∗19] 的 Deepfovea 把类似结构用在注视点渲染里。

NTASAD 的立场：你既然都要做时序去噪了，为什么不能把上一帧积累下来的干净信息，同时拿去指导这帧的采样？一句话，把「发信」和「记账」合到一起。它把 DASR 端到端联动框架搬到时间域，用渲染器自带的高质量运动向量做重投影（而不用学出来的光流），把问题的难度从「学怎么追踪噪声特征的移动」降到「学怎么判断哪些地方该复用历史」——后者正好是 CNN 擅长的事。

喻体立桩（本文三喻：派信 / 账本 / 复读机）：「派信」指给每个像素分发光线的决策，「账本」指上一帧累积下来的去噪结果，「复读机」指网络过度复用历史导致的重影。后面所有章节，讲到采样就在「派信」，讲到历史就在「账本」，讲到重影就在「复读机」，不再重复解释。

图 1（原图 p1，© Eurographics CS，未修改）指认：四格从左到右依次是 Sample map（左上）、Uniform 4 spp、Our result at 4 spp、Reference（4k spp）。读法：看懂这张图等于同时看两件事，一是均匀 4 spp 的糊，二是自适应 4 spp 加时序去噪后的净，横向对比「花同样的钱，画面差多少」。Sample map 那格里的暖色块，就是派信单上被加急的像素。

如果你只记住一件事：邻居那格在闪，你的那一格也在闪，可你如果把后一帧的干净信息拿过来对着看，闪的其实是同一口井里的水。 这就是本文全部的杠杆。

离线与实时的分水岭，其实是一道成本曲线。 离线渲染里，加 spp 的钱花在渲染时间上，多打一千根只是多等几分钟；实时渲染里，加 spp 的钱花在帧预算上，多打一根就可能跌破 60 FPS。两道曲线的形状完全不同：离线是「线性加钱、线性加质」，实时是「预算封顶、指数补差」。所以两者的最优解根本不是同一件事——离线追求「绝对准」，实时追求「在预算内把方差压到人眼不可见」。NTASAD 站的就是第二条曲线，它所有设计的出发点都是「这个乘法能不能挪到上一帧去算」。

成本怎么分解才合理。 一句话先给结论：总成本 = 渲染成本（打线）+ 算法成本（去噪与派信）。传统思路两笔是独立的，渲染花多少就花多少，去噪只负责擦干净。NTASAD 的巧妙在于把两者揉进同一根可微链路：采样多花的一根光线，如果能让去噪省下一大笔（因为历史更准），这笔交换就划算。整篇文章其实在反复论证同一个命题——这笔交换在什么条件下成立、什么条件下亏本。

一句话洞见（可背诵版）：实时路径追踪不该问「打了多少根」，该问「上一帧攒下的干净信息，这帧用了几成」。

2你有四根光线，可你妈妈当年教你要省着花

解读层 · 定位段

这一章回答一个看上去很傻的问题：四 spp 到底是多少？少到什么地步？以及为什么先有 DASR 的后补式自适应，再变成本文的闭环式自适应。

2.1 四 spp 到底有多穷

一帧 1080p 画面约 207 万像素。四 spp 意味着这帧总共只打约 828 万条路径。每条路径都要从相机出发，在场景里弹跳若干次，每次命中一个表面就采一次光照。以 60 FPS 计，这个预算只够在 RTX 2080 Ti 上勉强站住。而离线参考要打到 4096 spp，差的是整整三个数量级，中间的缺口全部靠方差来填，也就是噪点。

做个复算感受一下数量差：

这张表的意义在于：自适应采样别把它当「省着花」的紧箍咒，它其实是「同样的钱不同花法」。把 1024 倍的差距抹平到肉眼可接受，靠的不在穷打，而在把有限的信派到最需要的地方、把上一帧的账反复再利用。

2.2 DASR 的后补式修法

DASR 的管线分三段：先对整帧打 1 spp，喂给采样密度网络，得到 sample map；然后按 sample map 补光线，目标是平均 n spp；最后用一个去噪网络清干净。两个网络联合训练，损失只算在最后一张输出上。好处是端到端，坏处是首采样质素太低：只有 1 spp 的画面，噪声高到连「哪里噪声高」都看不准。

Kuznetsov 的工作是「先渲染、后判断、再补车」，属于开环；本文在此基础上做了一处关键手术，把开环改成闭环，绕开那 1 spp 首采样。

反例与边界（DASR 为何行不通）：BATHROOM 场景里，DASR 甚至打不过一个直接预测去噪器。原因在论文 §3 说得明白：大量反射表面让特征向导不可靠，从 1 spp 首采样里根本推不出正确的 sample map。这是本文要换「采样依据」最有力的引证。

2.3 一条先问清的边界

采样的钱不是凭空来的。本文把采样预算当作网络可微的一部分来优化，但「总预算 M·n」是固定的超参数，网络只决定怎么分。目标平均 spp 由调用方设，架构只在给定预算下把分配做得更好，这是「可控的省」，不是「自动的少」。

这条边界为什么要紧。 它决定了本文的调优逻辑。读者容易产生一个误会：自适应采样在网络自己决定打几根，所以总光照成本是「浮动的」。其实不对：式 (2) 的 softmax 归一化硬性保证 Σ ŝ = M·n，一帧花的总光线数是写死的预算。网络改变的只是分配，不是总量。这带来一个直接推论：自适应唯一的收益来源是「把光线从低方差区挪到高方差区省下的观测误差」，一旦某帧所有区域噪声方差接近（比如整体过曝或过暗），自适应就退化成均匀采样，此时它比均匀采样唯一的区别只剩时序历史的加成。这也是为什么论文里「Our uniform」与「Our adaptive」的对比才干净——控制变量只剩「分配方式」。

为什么必须用 round 取整。 采样密度是从连续网络输出折算的，可实际追路径的次数是整数。round 把连续预算切成可用整数，代价是引入 ±0.5 spp 的量化噪声。论文在训练里直接把这个不光滑的 round 也放进可微链路（用直通估计处理不可导点），因为它训练出的分配策略整体更强，这一点点量化误差值得吞下。这是「理论连续、实现离散」的常规妥协，值得在复用时记住：真实部署永远不是软max的直接输出。

3把上一帧当账本：循环反馈与重投影

解读层 · 机制拆解

你不该把上一帧丢掉。实时渲染里，上一帧费劲攒下的干净结果，扔了就等于把辛辛苦苦记的账作废。本文把它做成闭环：重投影 → 喂给两个网络 → 这帧再用它。

3.1 运动向量与重投影

循环的起点是运动向量。渲染器在相机射线首交点处生成每像素运动向量 m，用它把上一帧去噪结果 c_history 搬到现在这帧的位置：

训练时代码用 PyTorch 的 grid_sample 实现这个 warping；推理时它只是一次 GPU 纹理采样，微秒级。

关键点：这里用的是渲染器给出的运动向量，而不是光流网络。渲染器天然知道物体往哪动，比从图像里学出来的光流准得多。这一点在论文里被反复强调为「effectiveness 的关键」。

喻体回扣（账本）：warped 那一步，就是「把上一帧的欠款单翻出来，对上这帧的坐标，看看哪笔该还、哪笔该销」。坐标对上了，账才接得上。

参数逐项释义（式 1）：

3.2 图 2：整篇的提纲

图 2 是一页流程图，把闭环画得清清楚楚。

图 2（原图 p2，© Eurographics CS，未修改）指认：从上到下依次是 Renderer、Sample map estimator、Denoiser、Output；左起有 Sample map、Adaptive samples、Guides、Motion vectors 几个输入箭头；右侧一条「Temporal Reprojection / Recurrent feedback loop」从 Output 绕回 Sample map estimator，中路再接入 Denoiser。读法：图里只有两个神经网络，却画了一条绕回左端的回路，那根回路才是本文与 DASR 的分水岭。DASR 到这帧就结束，本文则把上一帧的输出经重投影再送回两个网络。

想想为什么这个闭环成立。 重投影之后，网络拿到的已是「挪到当前坐标的上一帧值」，上一帧的原坐标就不再作数。于是问题变成两个：

1. 哪些像素的历史值得拿？（被遮挡块和新出现处不行）
2. 该拿多少？

作者说，这个问题比「追踪噪声特征的移动」简单得多，且正好是 CNN 擅长的图像判别类任务。这是把「学习跟踪」降级为「学习判别」的算法智慧。

重投影在三种裂缝上漏水。 运动向量能把大多数像素对齐，却有三种情况对不上：

• 被遮挡块（disocclusion）：上一帧这里被前景挡着，没有可搬的历史值，warp 读到的是一块脏数据；
• 视角依赖着色：反射/高光这类点的颜色随视角剧烈变化，即便空间坐标对上了，上一帧的观测对当前帧依旧没用；
• 运动向量的本身误差：镜面、运动物体阴影里，渲染器给的 2D 位移并不等于「该像素在时间轴上真正的对应」。

论文的高明之处在于它不假装堵住这三处裂缝，而是把「哪条裂缝漏水、漏多少」交给网络去学。CNN 的任务从「把历史搬到对的坐标」降级成「认出哪些坐标的历史是干净的」，后者要数据量小得多，所以网络敢激进复用，也因此在大多数帧上接近白赚一档 spp。

伪码：单帧推理的时序循环（还原论文 §2，前提注释）。

# 前提 1：上一帧去噪输出 c_hist 已保存在外部
# 前提 2：渲器提供当前帧运动向量 m、特征向导 g（法线/深度/反照率）
# 前提 3：sample map 目标均 spp = n，总预算 M*n

# 1) 重投影历史
c_warp = warp(c_hist, m)               # 式(1)，GPU 纹理采样

# 2) 派信：采样器决定每像素打几根
s = sampler_net(c_warp, g)             # 直接预测 sample map
sample_map = softmax_normalize(s, n)   # 式(2)，总预算守恒

# 3) 渲染：按 sample_map 追路径（训练时用预计算样本层拼装）
renderer.dispatch(sample_map)

# 4) 去噪：多尺度核 + 时序历史混合
kernel_weights = denoiser_net(noisy, c_warp, g)   # 图3 KPN
out = hierarchical_compose(noisy, kernel_weights) # 式(3)
out = temporal_blend(out, c_warp, alpha_t)        # 图3 51通道
c_hist = out                                       # 记账，共下一帧用

3.3 图 5：证明这种激进复用是真的

解读层 · 证据图

不管机制说得多漂亮，得有画面作证。图 5 用三格直给。

图 5（原图 p4，© Eurographics CS，未修改）指认：三格依次是 filtered history、filtered current frame、denoised output；场景 CHARACTERS，角色在动而相机静止。读法：图右那格 Output 几乎和左侧历史长得一模一样，说明网络把绝大部分信号搬自上一帧。反过来看中间那格 current frame，它粗糙得多。真正的信息灌入源是「历史」，不是「当前噪声」。

这意味着什么：只有当相机相对静止（角色在动）时，历史才是干净的。一旦相机大幅移动或对象被遮挡，历史就不可信，这时网络才转向当前帧。图 5 恰好是「静态相机」的理想情况，把时序复用的上限露了出来。

四句读图到这里缺第四句（何时失效），放在 §9 边界节集中讲。这里只给它立个预告：历史可靠的前提是运动向量准。

为什么这比 Chaitanya 的十层递归便宜。 作者只在前端复用一层，网络比 Chaitanya 等人 [CKS∗17] 少十个递归层级，权重省十倍，质量还更高。因为递归层级的网络要自己在每个尺度里学习对齐，而本文靠运动向量重投影，把对齐这件事从网络里拖出来了。

读图四句法补全（图 5）： 看到什么：左中右三格几乎同像，仅差异区在角色轮廓。为什么：静态相机下历史干净，网络优先取它。这意味着什么：时序复用是本文质量的主力，几乎全部信息来自账本而非当前噪声帧。何时失效：相机一旦大幅移动，历史全脏，输出就只能靠当前帧，质量落差会露出来。这四句补完了 N4 律对图 5 的完整读法。

时序信息在帧里到底占多大比例，能不能量化。 论文没有给出单个数字，但图 5 的直观判别力已经足够说明「激进」二字：输出格和左侧历史格几乎逐像素同值。用更工程的话讲，网络在静态相机下学到了「历史是高信噪比先验」，因此输出倾向「跟随历史」。这项设计直接解释了全篇所有静态相机场景的稳定输出——它根本不像在做去噪，更像在做一个「逐帧微调的历史对齐」加上少量当前帧补新。理解这一点，就理解了为什么作者敢说「把代数省下的钱全部喂给时序」。

4一张 U 型网，装下两个脑袋：采样器与去噪器

解读层 · 结构化拆解

两个网络都长成 U 型（U-net [RFB15]），全是 3×3 卷积。发动机一样，燃油不同：输入特征不同，输出出口不同。图 3 是那张参观图。

图 3（原图 p3，© Eurographics CS，未修改）指认：最左是输入 I，自上而下做 2× 下采样到 I/32；右侧 2× 上采样回来；中间若干 skip connection 旁路。各层标注通道数：下采样段 48（I 到 I/32）→ 最底层 96；上采样段 96 → 64；底部绿框是三层级核预测 KPN，输出最细层 51 通道。读法：横向看「下采样→上采样」的 U 字形，纵向看跳连把同尺度特征接回来。绿框只出现在去噪器，采样器是灰色，两支共享车身但出口数量差十倍。

复算通道数：最细层 51 = 两个 5×5 核（各 25）+ α_t（时序混合权重）1；粗层 26 = 一个 5×5 核（25）+ α（尺度混合）1。这个「51」「26」不是随意的，是两个 5×5 卷积核占 25 个通道、再加一个逐像素标量后的和。

喻体立桩（复读机）：这只 U 型网像一台复印机，采样器负责圈出哪户要加印，去噪器则在绿盒子里决定笔刷的大小和轻重。

4.1 采样器的出口：直接预测 sample map

采样网络喂进 warped 上一帧去噪结果，加上当前帧法线、深度、运动向量、首交点反照率，最后一层卷积把所有特征压成单通道灰度图，再按 DASR 的归一化折成「每像素几根光线」：

参数逐项释义（式 2）：

逐步重推（式 2 是怎么来的）。 第 1 步，网络输出任意实值 s(p)。第 2 步，对整个图像做 softmax，得到权重 w(p) = e^(s(p)) / Σe^(s(i))，满足 Σw = 1。第 3 步，乘以 M·n，得到分配给全帧的总预算 M·n，再乘 w(p) 得到每像素带小数的 spp。第 4 步 round 取整。本质是一张「全图范围内的多方分配」，谁 s 大谁拿得多。关键在于它对 s 可微，能把采样决策直接接进反向传播。

作者特别提到，对这种超越单个算子的 softmax-over-image，直接对展开的张量做一次 softmax 比逐像素手写一堆算子链更稳定，梯度计算更稳健。反向传播时沿用 Kuznetsov 的 renderer gradient 近似。

4.2 去噪器的出口：层级核预测（KPN）

去噪器在解码器最后三级各输出一张 5×5 核与一个逐像素标量权重，这就是 Vogels 等人的多尺度核预测 [VRM∗18]。下采样 0、2、4 倍三个尺度的滤波结果，用 Vogels 的尺度合成（论文 Eq.5，下文式 3）逐层递归拼回最细层：

其中 if 是最细图，ic 是粗图，α 是逐像素可训练标量，D 是 2×2 下采样，U 是最近邻上采样，op 是该层最终输出。

为什么是 if - α·UD if + α·U ic 这种怪形状。 这看似随手凑的滤镜交替，实则是「差值保留」结构：[U·D·if] 是把最细图下采样再上采样回来，等于最细图自身被毁的一块；if - [U·D·if] 就是最细图在下采样过程中被丢掉的高频细节（残差）；+ α·[U·ic] 再把粗图的低频信息按 α 补回来。三个尺度这样递归合成，越细的尺度保留的残差越完整，整幅图既有粗尺度的稳定又有细尺度的高频。

参数逐项释义（式 3）：

最细层还额外预测一张作用在 warped 历史的 5×5 核，并把历史滤波结果与当前帧多层滤波结果用逐像素 α_t 线性混合。所以：

• 最细层 51 通道 = 两个 5×5 核 + α_t；
• 粗层 26 通道 = 一个 5×5 核 + α。

作者观察到，用核预测（KPN）比直接预测质量更高，哪怕网络参数更少。§7 消融里给证据。

4.3 采样器为什么喂灰度

采样器把彩色输入按 CCIR 601 系数 v = 0.2989r + 0.587g + 0.114b 转成灰度。道理是采样决策该只看噪声水平、几何复杂度、动画/遮挡，不该被色相牵着走。副作用也写清楚：若某处噪声主要由色差引起，采样器可能「色盲」。为对抗色偏，直接预测版去噪器还加了色调置换与灰度增强。

反例与边界（灰度输入）：这个转换是个有意的特性偏置，不是无害的通用设定。若应用场景里恰好有色度主导的噪声源，采样器的判断就不再最优。后面 §9 会把它归到「网络设计的认知边界」类。

4.4 去噪输入全家桶

去噪器喂进：自适应采样的带噪图（由 sample map 决定）、采样器的全部输入（含 warped 上一帧去噪结果）。也就是图 2 里 Denoiser 上面那排：Adaptive samples + Motion vectors + Guides + 经 Temporal Reprojection 的历史。整个时序反馈同时进了采样器与去噪器，这正是把「派信」和「记账」绑一处的载体。

端到端怎么训：空间与时间 L1 双通道。 采样图估计与去噪整体端到端联合训练，损失只算在最后一张去噪图上，不给 sample map 单独设损失——采样器只能通过「一条光线对最终去噪图的边际贡献」间接学到该派给谁。这与 DASR 同源，是「隐式派信」的本质：采样器的直觉指向「哪里噪声大」，但真正驱动它派信的，是「哪里多加光线能让去噪图更接近参考」。

损失由两项等权 L1 组成：

其中 x_i 是第 i 帧去噪输出，y_i 是对应参考帧，Δx_i = x_i − x_i−1、Δy_i = y_i − y_i−1 是相邻帧的时序差分。第一项「空间 L1」盯着单帧像素值，第二项「时序 L1」盯着帧与帧之间的变化趋势，专门压制闪烁（flicker）。它的直觉是：不要逼每一帧都贴参考值，而是去校准帧间变化的模式与参考一致——观众察觉不到你绝对数值哪里差，但一定察觉得到你在闪。

训练序列怎么组。 因为网络带递归项（重投影的上一帧去噪结果），需要沿时间展开，用 BPTT（back-propagation through time）[GBC16] 在 N 帧序列上训练，一般取 5 帧：首帧用目标 spp 的均匀噪声初始化递归项，后 4 帧做展开迭代。空间损失只算在序列末帧，时序损失必然涉及末两帧，这样让网络在训练里始终有足够多的时间信息可用，也避开递归项初始化时的瞬态污染。

5钱该花在哪：sample map 训练成什么样

解读层 · 证据图

采样器真的把钱花在该花的地方吗？图 6 用热力图回答：是的，而且比 DASR 更准。图 8 再补一张直观对比。

图 6（原图 p5，© Eurographics CS，未修改）指认：三行场景，每行两列，左列 Our，右列 DASR；热力图用暖色表高采样密度。读法：逐场景左右对照「哪些像素被告知要多打光」。暖色亮点，本方法比 DASR 更密集地落在高光与复杂几何上。

为什么本方法采样图更准。 因为本方法是从「去噪 + 重投影」后的干净数据推出来的，DASR 是从 1 spp 首采样推的。信息质量差了一个数量级，sample map 自然更贴近真值。这是把采样依据从「脏图」换成「账本」的直接收益。

喻体回扣（派信）：sample map 就是「这帧的信封派送单」，暖点代表那户收到了加急件。DASR 的加急件是从一张污损的地图里标的，本文的加急件是从一本干过的账本里标的。

图 8（原图 p6，© Eurographics CS，未修改）指认：从左到右是「4 spp」（输入）、「Reference」（4k spp 参考）、「Sample map」、下排「Our adaptive」「Our uniform」。读法：注意 sample map 里暖色高亮堆在雕像表面的高光与背景柱子的细节上。对比 Our adaptive 与 Our uniform 两格，在那些暖点处自适应版显著更干净。

这意味着什么。 采样器把预算优先配给反光强的点，是对抗反射噪声最划算的打法。反射区域噪声方差大，多打一两根光线收益翻倍；而大面积漫反射面，打再多也看不出区别，送信送多了是浪费。把预算在两者间劈开，就是图 8 里那肉眼可见的增益来源。

6喂什么长大的：九场景训练集与数据组织

解读层 · 证据图

网络再聪明也要吃饭。图 4 是给网络准备的食粮清单，也是「质量是喂出来的，不是凭空有的」的最直白证据。

图 4（原图 p4，© Eurographics CS，未修改）指认：九格各是一个训练场景，顶部贴场景名（BISTRO INDOOR、BISTRO OUTDOOR、CHARACTERS、LIVING ROOM、PARAGON、PINKROOM、SERATH PARK、BURGER 等）。读法：只扫场景多样性，不盯像素。九个场景覆盖室内、室外、人物、机器人、浴室、公园、餐厅，光照复杂度与反射率都不同，这正是作者「最大化多样性、控制存储」的思路。

数据构成复算：

复算核对：9 场景 × 平均约 20 片段 × 8 帧 ≈ 1440，论文列 1368，差异来自部分场景片段数不足 25。作者选「短片而非长动画」的原因在这里：让网络快速看到足够多不同的视角，比看一条长动画对多样性帮助更大。低质量参考（1k spp 而非无噪真值）被认为对收敛速度与终态质量影响可忽略，这是个务实折衷。

训练工程细节：

• 初始化 Xavier [GB10]，优化器 Adam [KB15]，初始学习率 0.001，训 1000 epoch。
• 输入预处理：像素值夹到 [0, 65535]，再对辐射值做 log 挤压 x' = log(x+1)/2.2（对应多数 tone mapper 的 2^e 曝光缩放）；显示前 gamma 校正已含进去。论文建议训练损失与渲染系统实际 tone mapper 匹配。
• 训练时渲染器用 Kuznetsov 的预计算法：存 2ⁿ 样本的图像层（n∈[0,5]），需要 k spp 时把对应层相加（如 13 = 1 + 4 + 8）。反向传播沿用近似梯度。
• 数据增强：随机裁切、x/y 翻转、旋转 90°；直接预测去噪器另加色调置换与灰度增强，减少色偏。

训练切块与批大小。 训练输入按 36×36 的小块裁出来喂网络，而不是整帧：小块让同一批里能看到更多不同的内容，梯度也更平稳；再叠上随机裁切、翻转、旋转，相当于把 1368 帧的素材库又放大一个数量级。这也意味着不用为了省显存而把整帧塞进 batch，36×36 小块加一个普通 batch 就够，单卡就能训完。复现这类端到端渲染网络时，先从小块加小批把流程跑通，再把 patch 逐步放大验证质量曲线，比一上来就整帧训练省事得多。

训练序列怎么组。 序列的组法在 §4.4 已讲过：BPTT 五帧展开、首帧均匀噪声初始化、损失只在末帧。这里补一句它的数据侧含义：因为递归项由上一帧去噪结果充当，训练时就等于把一整个五帧小片段当作一条样本，作者把 1368 帧切成 16–25 个八帧片段正是为了批量喂给这种「五帧窗口」式的采样——片段越短，网络见过的「窗口起点」越多，越不会对特定开头产生记忆。

为什么参考图只到 1k spp 也能训。 一个反直觉的点：作者刻意用 1k spp 的低质量参考而非无噪真值训练，结论是「低质量参考与真值训练的收敛速度和最终质量近似」。背后道理是：去噪任务的目标重心是学会「从噪声里恢复结构」，而结构的共性在 1k spp 参考里已经足够明显；一味追求无噪参考只是把训练集做贵，不带来结构上的新信息。但这对评估是危险的——所以论文在测试集用 4k spp 参考，训练与评估刻意错开量级，防止「过拟合训练参考」的虚高。这点值得任何做超分/去噪复现的人记住：训练参考可以低档，评估参考必须高档。

6.1 公式编号对照

本文公式编号同原文：式 (1) 运动向量 warp、式 (2) sample map 归一化、式 (3) 尺度合成、式 (4) 双通道损失。若你手上是不同版号的 PDF，页码与式号可能整体偏移，正文里所有 (N) 与 图 N 都以本页图注与表注里的页码锚点为准，不以下载来源的原始行号为准。

7消融：每一笔添加都值这个价

解读层 · 证据图

作者用 SUNTEMPLE 两个片段做了一次层层加码的消融，从最裸的 U-net 直接预测，一路加到完整版。图 7 把每一步的 PSNR 与 tPSNR 摊在桌面上，是「拆解四件套」里最像证据的一块。

图 7（原图 p5，© Eurographics CS，未修改）指认：两列 Clip 1 / Clip 2，两行 PSNR / tPSNR，四条曲线分别对应 Direct prediction、+KPN、+时序（Our uniform）、+自适应（Our adaptive）。读法：读曲线的高度而不是形状，因为你关心的是「多叠一层亮多少」，不是具体某个波峰。

四档配置的完整链条（从裸到满）：

趋势固定不散： Direct 最低 → 加 KPN 升一截 → 加时序再升 → 加自适应封顶（Our adaptive 最高）。每一层都是一道明确的台阶，没有一步白加。这个展示之所以有说服力，在于它把「每一笔花费」单独拎出来，逐项验收。

复算一个关键结论：自适应版在片段 1 基本打平 8 spp 均匀采样（论文正文明说）。这是「用 4 spp 的预算达到近似 8 spp 质量」的直接证据，也是全文最有卖点的一句话：派信 + 账本合体，等于免费把 spp 翻了一倍。

过渡期算不算缺陷。 时序方法在片段衔接处需要 2–3 帧过渡期才到满质量。作者说这种过渡可藏在转场里看不出，不算缺陷。但要挑明：如果你的应用没有转场（比如监控画面、编辑器实时预览），这就是潜在闪变源。本文随后在 §12/13 把它列为边界。

跨剪辑以外都稳。 除了 abrupt camera transitions（cuts），时序方法即便面对大而复杂的相机与物体运动也稳定。代价在别的场景类型里见分晓。

指标口径：PSNR 与 tPSNR 分别测什么。 PSNR 是经典的逐像素峰值信噪比，衡量单帧绝对贴合度；tPSNR 则是把 PSNR 套在时序差分 Δx_i 上，衡量帧间变化是否平稳。一个测「准」，一个测「稳」。单帧 PSNR 高不代表稳定——画面可能每一帧都很准但整体在闪；tPSNR 才能抓住「在闪」这个实时渲染最要命的弊病。做实时去噪复现时，只报 PSNR 不够，必须同时报 tPSNR，否则「时序稳定」这个卖点无从验证。这是本片读图时最容易漏掉的一层：这张图的第三、四两行，才是本文冲击的靶心。

读图四句法（图 7）： 看到：四条曲线整体爬升，自适应封顶。为什么：每叠一层（KPN→时序→自适应）都带来真实增益。这意味着：本方法的每一项设计都有可测的边际收益，不是堆材料。何时失效：clip 之间 2–3 帧过渡期尚未达标，本身就在曲线的爬升段，读图时别被爬升误导成永久水平。

8和 DASR / SVGF / RAE 掰手腕

解读层 · 证据图

同一张 1080p，四条不同思路：我们的自适应、我们的均匀、DASR、SVGF、RAE。图 9 是定量面板，图 10 是三个非训练场景的视觉对比。公平是第一前提，所以先把「怎么比」讲清。

图 9（原图 p6，© Eurographics CS，未修改）指认：双列五格，Our adaptive、Our adaptive small、DASR、SVGF、RAE 各一列（small 是 10× 精简参数版）。读法：看细节区干净度与边缘锐度。本方法两列均明显胜过另外三家。SMALL 是「性能优先」的缩放验证，仍压过 DASR/SVGF/RAE。

公平性承诺（原文剔除的嫌疑）。 作者为了让 RAE/DASR/SVGF 与本文可比，做了几处关键对齐：

• RAE 使用论文所述约 2.6M 权重（比本文大），但把 albedo 直接做向导而不是解调解码；
• DASR 改成与本文同样的、稍大的 U-net（约 850k 权重）；
• 所有学习法统一用空间 + 时序 L1 与 log 空间训练；
• 三法输入同一组特征向导；DASR 的 visibility guide 因难泛化到多光源/环境光场景被省略（作者称对画质影响小）；
• SVGF [SKW∗17] 是 1 spp 专用，作者给每条光栅化主像素追踪四条路径生成输入，因此 SVGF 吃不到抗锯齿红利。

这样比出来的结果，比「各吹各的宣传图」可信得多。SVGF 补充了一个 2× 超采样 + 1pp + 2× 下采样版本，代价约 4× 滤波开销，PSNR 平均改善约 1 dB，但默认版仍不如本文。

图 9 里最容易划过去的，是第二列「Our adaptive small」。 它用大约十分之一的参数，仍把 DASR、SVGF、RAE 三家的默认版都压住。这一栏的价值全在工程侧：参数少，显存占用小，卷积访存低，在只能分到一小块算力的应用里照样能近实时跑。它直接印证了摘要末尾那句「这套结构可缩放，质量与性能的取舍交给部署方按预算挑」：同一份代码，高配机开满档、低配机收核。对想把它落进光线追踪中间件的团队来说，「缩参不掉档」比「堆参数拉满」更值钱，因为它把质量档位从一个点撑成了一条连续曲线。

图 10（原图 p6，© Eurographics CS，未修改）指认：三行场景，每行含 4 spp、Sample map、Reference、Our adaptive、RAE、DASR、SVGF。读法：逐场景扫「谁离 Reference 最近、谁边缘不发毛、谁暗部不糊」。BATHROOM 反射最多、CLASSROOM 门后投影最硬，把它俩放进来是故意给所有时序方法出难题。

为什么这组有说服力。 三个场景在训练集里根本没出现过（见 §10 的 hold-out 设计），所以它的赢，技巧上更像「没预习也做对题」，而非「背过答案再考试」。配合 Table 1 的 rMSE 定量面板，视觉与数值互相印证。

Table 1（rMSE，×10⁻³）：

复算：自适应版在 SUNTEMPLE 比 DASR 低约 30% rMSE（7.0 vs 10.0）；在所有场景都优于均匀版，说明「自适应」本身就有净增益，不靠时序白拿。BATHROOM 是唯一直接预测反超 DASR 的，呼应 §2.2 那条边界。

对比的公平性，是这篇论文最值得抄的部分之一。 今天太多渲染/超分论文用「各家的宣传图」互踩，参数不给、损失函数不一致、输入特征不同，最后比出个有误导性的结论。NTASAD 的做法是主动削平这类不公：

1. 网格对齐：所有方法用同样的 U-net 主结构，DASR 甚至被改成与本文同尺寸；RAE 用官方更大的 2.6M 网络（还吃亏）；
2. 向导一致：三法喂同一组法线/深度/反照率/运动向量特征；
3. 训练同构：共用空间+时序 L1 与 log 空间预处理，谁都无法靠「训练时下毒」占便宜；
4. 口径透明：SVGF 天生是 1 spp 专用，作者明说是把每条光栅化主像素追四条路径生成的输入，承认它没吃到抗锯齿，还补了一个 2× 超采样 + 下采样的增强版供对照。

这套「先讲怎么比、再讲比输赢」的顺序，比「先贴结果图」更能取信于人。你的技术汇报如果也要做横向对比，最好沿用这个顺序：先交代对齐手段，再摆成绩，免得读者先入为主怀疑你挑软柿子。

SVGF 与 DASR 各自的时代定位。 SVGF [SKW∗17] 是 2017 年的经典，靠「时序选择的方差引导 + 大双边上采样核」在启发式阵营里把实时去噪拉到可用，单帧 1080p 几毫秒。DASR [KKR18] 则把「预测采样密度」引入低 spp 渲染，是深度自适应采样的代表。NTASAD 站在两者肩上：它把 SVGF 验证过的「时序累积有效」与 DASR 的「采样密度可学」在同一个端到端网络里统一，且用运动向量重投影替换掉两者各自的启发式/首采样依赖。这条演进线值得单画一张时间轴：启发式累积（SVGF）→ 学习式自适应（DASR）→ 学习式自适应 + 时序闭环（NTASAD）。

9镜子和影子，是时序去噪的照妖镜

解读层 · 边界与反例

这一章是全文的「坦白局」：作者主动把最硬的场景端上桌，告诉你这套方法在哪里会露怯。所有边界都围绕同一个根因：运动向量对不上。

9.1 运动的账记错在三类地方

镜子。 对反射平面，运动向量跟的是镜面本身的运动，而不是反射物体的运动。于是 BATHROOM 里大片反射区域的重投影是错的。作者承认这是硬案例，却给了个反直觉的结论：结果仍出奇地好、仍时序稳定，因为平面与简单反射体上运动向量够准。只有那台转动的平面镜机器人最要命：时序复用几乎不可能，可它转得太快，人眼也几乎察觉不到是否稳定——这是「测不出来」掩盖了「其实不准」。

影子。 移动物体的影子，运动向量同样失配：影子的移动不等于投下影子的物体在画面上的移动。图 11 就是这种硬例的自白：

图 11（原图 p8，© Eurographics CS，未修改）指认：六格里含 Input 4 spp、Our、Sample map、Reference、SVGF、RAE。读法：看图注原文——本方法的 sample map 没能标出左脚下方那块移动阴影。这是作者亲口承认的失败点，不是第三方挑刺。

读图第四句（何时失效）在这里补齐： 当运动向量给错时，重投影就把错误的区域当成对的来复用。不只是本文，RAE、SVGF 一样中招，因为这是「所有依赖时序重投影的方法」共同的死穴，不是某个实现可以单独绕开的。

喻体回扣（复读机的影/像）：复读机会把上一帧的影子一字不漏读进这一帧，哪怕那影子这帧该挪地方了。图 11 里漏检的那块阴影，就是复读机读串了行——账本上记的是上一帧的影子，这一帧的影子已经挪位了。

9.2 主体瑕疵：ghosting（重影）

作者点名最刺眼的 artifact 是 ghosting（重影），且网络倾向「过度时序复用」的方向出错。CLASSROOM 场景在静止图里尤其明显，动起来反而轻得多，但仔细盯着视频仍能看到。这印证了那句话：网络宁可画错，也不肯浪费已记下的账。

网络这么做是有原因的：时序复用省钱（少打光线），错误留痕的风险由训练损失承担。当训练数据里静态相机片段多时，「大胆复用」的倾向被强化，重影就成了过拟合的副作用。

喻体回扣（复读机）：重影，就是复读机把上一帧读了一千遍，把尾音拖长成影子。网络「默认相信历史」，是我们观察到的它的一个性格。

9.3 视角依赖着色：开放的伤口

反射等视角依赖着色效果，不同着色项有不同的运动，运动向量难算准，warping 一不准，时序复用就被砍。论文明确承认这是开放问题。SERATH/BATHROOM 这类多镜面场景确实难，可结果仍然「出奇地好且稳定」，作者归因于平面与简单反射体上的运动向量足够准。复杂机器人反射则几乎没法复用，但快速运动让人眼难以判断是否稳定。

9.4 性能从来不是拖后腿的东西

表 3（原图 Table 3，p8，RTX 2080 Ti，1920×1080）：SMALL 比 LARGE 快 3×，PSNR 只掉 0.6 dB，仍胜过同行（图 9）。相对 DASR，时序递归循环 + 层级核评估的推理增量不到 1 ms（重投影是一次 GPU 纹理采样）。加 64 个额外递归特征（更大递归态）在验证集只低 0.2 dB，说明额外状态收益平凡。结论：本文的时序与自适应，是拿几乎可忽略的算力换的显著画质。

性能复算（表 3 的账要这么读）： 两配置差异 28 ms，全落在采样图估计（20→3 ms）与去噪器（21→10 ms）上，Kernel 固定 1 ms。LARGE 的目标是「质量天花板」，SMALL 是「实时底线」。若按 60 FPS（16.7 ms 总帧预算）卡，LARGE 的 42 ms 显然超标，须降到 40% 分辨率或用 SMALL（14 ms 恰好压线）。作者的「可扩展」恰恰是要给这条权衡线一个把柄：同样的架构，画质与帧率是一根连续的滑杆，拉一头另一头就动。 这在工程上极有价值，因为同一套代码能同时服务「要画质的过场」与「要帧率的战斗」，不用维护两套管线。

为什么「只掉 0.6 dB 却快三倍」可信。 那 0.6 dB 的代价主要是把内层特征通道从 96 砍到 48、把递归状态压缩，换来卷积层数/通道数减少。深层网络在通道数临界点以下会有悬崖式掉质，在临界点以上是平台段——0.6 dB 说明他们恰好驻在平台段，额外加通道只换来边角增益。这条经验对任何想精简 CNN 的人都有用：先找质量-算力的平台段，再决定砍多少，而不是盲目减半。

10泛化：没见过的场景也扛得住吗

解读层 · 证据图

表 2 是「没预习也做对题」的配套证据：把某个场景从训练集拿走（hold-out），练一个不含它的网络，再跟专门只练这个场景的「特长生」比。差多少，泛化就有多好。

Table 2（PSNR，每场景每片段取一帧平均）：

复算差距：SUNTEMPLE 0.2 dB、BISTRO INDOOR 0.1 dB、PINKROOM 0.7 dB。最大才 0.7 dB，而 0.5 dB 上下恰在人眼可感知阈值附近。考虑到「零见过 vs 专门训练」的极端不对称，这个结果相当能打。0.7 dB 出现在 PINKROOM，暗示粉房间这种材质/光照组合最不吃「见得多」的泛化红利。

读法：三个场景的 hold-out 版（见都没见过）与特长生版（只练它）几乎并列。网络没在「作弊」——它没法作弊，因为训练集里确实删了当前场景。图 10 的三行场景正是这些 hold-out 场景，视觉上同步通过。结论：方法泛化得好，无需对每个场景单独微调。

喻体回扣（账本）：泛化说的是「记账的本事」能迁移——在没见过的场景里，它依然知道该把信派到高光区、该把上一帧的账拿来还，而不是仅靠背熟训练集里的口令。

为什么能泛化。 作者归因于两点：一是把「采样/去噪」拆成了「该复用的判别」这件尺寸小、场景无关的事；二是用高质量运动向量而非光流，把时序工整地交了出去。泛化稳定在这两点上，跟具体画风无关。

仔细挑刺： 这组 hold-out 仍是「九个场景里的互相排除」，没覆盖「光照环境的数量级差」等更激进分布外样本（如完全陌生的渲染器、更高动态范围）。所以「泛化得好」的有效范围是「同源动画风格内的泛化」，不是通用视频理解级别的泛化。这条边界本文没有专门测。

为什么 PSNR 只在个位数波动、地球没白看。 用 0.1–0.7 dB 的差距换来「免去每个场景单独微调」的便利，在工程上是极划算的交易。想象一下如果 hold-out 掉 3 dB：那意味着每个进场的新场景都要重新收集几十个片段、重训一轮，部署成本线性随场景数增长。如今网络在没见过的场景上几乎与特长生持平，等于把「泛化」这个最贵的运维项免费了。这也是这类「端到端学习渲染」能否进入真实项目的分水岭——换场景时它要不要重新花钱养，比它画得多好更关键。

与图 10 的关系。 图 10 的三个非训练场景（SUNTEMPLE/BATHROOM/CLASSROOM），恰好也都是 hold-out 组里出现过的场景。所以图 10 的视觉可比性，本质上是 Table 2 的数值证据在像素层面的复现：网络确实没背过这几张图，画面却依旧干净。把「表里 0.2 dB」翻译成屏幕上的「肉眼分不出差别」，是这一章最后要读者带走的东西。

11用公式四句法复盘整张图 1

解读层 · 读图小结

把所有碎片拼回第一章那张图 1，用「看到什么 → 为什么 → 这意味着什么 → 何时失效」四句一次走完。这是读任何一张渲染对比图的通用模板。

1. 看到什么：左上是 sample map 热力图；其余三格是均匀 4 spp、本方法 4 spp、4k spp 参考，被拷在同一取景下。
2. 为什么：本方法把采样预算按图 6 那样分（高光多给），把上一帧干净结果按图 5 那样复用，再把多尺度核按图 7 消融证明的收益层层叠上去。
3. 这意味着什么：花同样的 4 spp，画面净度逼近参考；自适应比均匀多赚约 1 档有效 spp 的收益，也就是「派信 + 账本」合体等于免费加了采样。
4. 何时失效：当运动向量失配（镜子、移动阴影，图 11），或遇到被遮挡块这种无历史可用的区域，重投影会读串行，复读机开始读错字，ghosting 浮现。

这套四句法，把「图 1 只是封面图」的印象翻过来——它是整篇论文的结果浓缩。

全文逻辑自检（N5 图号全链）： 正文引用的图 1/2/3/4/5/6/7/8/9/10/11 与图注编号、素材文件 fig1~fig11.png 一一对应，三处一致。没有正文硬编码一个不存在的图号。

12贡献收束与可迁移打法

解读层 · 收束

论文四大贡献，是理解这篇文章价值最小的四根支柱。按 N0 律全部讲成人话。

1. 低 spp 下的时序稳定自适应采样——把采样决策从单帧拉到时间轴，采样器学会「把更多信派给被遮挡块、跟住高光」这类时空策略。
2. 用 warped 时序反馈驱动采样，绕开首采样——不再需要那 1 spp 起跑，派信依据来自账本而非脏图。
3. 交互级、时序稳定的层级核预测去噪器——比同级递归去噪器更快、更好，还不需要尾架 TAA。
4. 可扩展架构——链路从 LARGE（42 ms）缩到 SMALL（14 ms）仍胜过前人，质量-性能是一根可拉的滑杆。

可迁移到你项目的三条：

• 把「判断该不该复用」交给 CNN：与其让网络追着噪声特征跑，不如让它学会在全局里挑出该讨的债。判别问题比跟踪问题好解得多，这是降维。
• 运动向量是比光流便宜的真相：渲染器白送的高质量运动向量，直接压平了时序对齐难度，是本文能在毫秒级跑通的最大原因。自己造光流是费力不讨好。
• 消融要一层层摊开：图 7 那种「每叠一层亮一度」的证伪式展示，是让人信「每一笔花费都值」的最好格式，也是你写技术汇报时最容易抄的模板。

对行业的一句评价（去 AI 味）： 这篇没有发明全新的渲染基元，它赢在把两件旧事（自适应采样、时序去噪）用「同一根反馈回路」焊成了一件事，还把「该不该复用」这只最难的手从网络里抽出来交给运动向量。这种借力，比硬堆网络层数要划算得多。

用一句话把全片路线讲给同事听（N0 可复述的实践）。 如果有人只给你三十秒讲这篇论文，你可以这样说：每帧就拿一点光线先随便分一分，去噪器把上一帧搬过来做保底，采样器根据「上一帧哪里还没清楚」重新派信，去噪器再拿新增的一拍把账记平，这样四帧下来，钱没多花，画质却站上了翻倍的档位。 中间那只 U 型网一脑两用：采样头只管派信，去噪头只管记账；核预测让每个像素有自己的滤镜；两个头共享 warp 后的历史。三十秒讲完，对方能复述出「派信 + 账本 + 复读机」这三个词，就说明这事讲清楚了。这也是本篇所有深读最终要落到的一句话。

为什么这套东西今天看仍然有价值。 距离这篇 2020 年发表已经过去多年，深度学习弃噪/采样早已遍地开花，可它的三个核心判断并没过期：一是运动向量重投影优于光流——只要渲染器给得起准确运动向量，这是最便宜、最准的时序对齐；二是判别「该不该复用」比「追踪特征」好解——这个观察到现在仍是时序学习方法的纲领；三是采样与去噪要联合端到端训——孤立的 sample map 监督或孤立去噪都远不如「只看最终图」的隐式协调。换言之，本文的算法层也许有更先进的替代，但它的这三条设计哲学，才是值得任何做实时渲染学习的人带走的真正财富。

13边界与反例汇总

解读层 · 反例与边界

把全文所有「什么时候不灵」收拢成一节，反对一切「NN 万能论」。这些反例不是给作者泼冷水，是给想复用它的人划清适用圈。

1. 反射平面（图 11，BATHROOM）：运动向量跟镜面而非被反射物，warping 大面积失配；简单平面/反射体尚可，旋转平面镜几乎不可用。
2. 移动阴影（图 11 左脚下）：sample map 漏检，所有依赖时序重投影的方法（含 RAE、SVGF）一律中招，因为根因在运动向量。
3. 被遮挡块（disocclusion）：新露出的面积无历史可复、无对齐数据，是时序复用的天然空洞，采样器却因此学到「把信多派给这里」——这是它有意的行为，不是缺陷。
4. 强视角依赖着色：反射等多术语不同运动、运动向量算不准、时序复用被砍，论文明说这是开放问题。
5. ghosting 重影：网络倾向过度时序复用，静止图 CLASSROOM 最明显，动起来可减轻但不可根除。
6. 跨片段过渡期：时序方法到达满质量需 2–3 帧预热，作者以「藏进转场」为由不算缺陷；若无转场（监控/编辑器），这是潜在闪变源。
7. BATHROOM 特例：大量反射 + 差向导让「采样图预测」失效，本文靠更高质的时间数据仍压过均匀版，但说明「反射密集场景」是采样器的薄弱项。
8. 泛化范围有限：hold-out 是「同源动画风格内的排除」，未覆盖陌生渲染器、更高动态范围等激进分布外样本。
9. 复现并非零成本工程：log 空间、EB 601 灰化、softmax-over-image 稳定梯度、BPTT 五帧展开、1000 epoch 训练，整套细节一处省掉都可能掉质量，读它不能只看 ASR 层的大道理。

一句话边界总结： 这套方法的价值密度，取决于你场景里「运动向量准不准」。运动向量准的地方，它是把免费加的一档 spp；运动向量失配的地方，它顶多是不帮倒忙，绝不救你出坑。

把边界翻译成工程决策（这张表比任何结论都好用）。 前面列了一堆「什么时候不灵」，这里把每条边界反推成一个上线前的检查项，你验收项目时逐条过：

这层的用意是把「论文的边界」转成「你的排雷清单」。学术论文对边界的诚实，到这里才算真正落进工程：它不再是一句"本方法有局限"，而是一张你能在项目里逐格打勾的对照表。

喻体总回扣（三喻齐收）：派信决定了钱往哪投，账本决定了上一帧的信能不能这帧花，复读机则提醒你账本读太狠会读出重影。三个词串起来就是本文全部：把信派给最乱的地方，把账记在最稳的历史，盯着别让复读机读串行。

贡献块

• 提出闭环时序自适应采样与去噪：把「派信」（采样决策）与「账本」（上一帧去噪结果经运动向量重投影）接成一根反馈回路。
• 去掉 DASR 的 1 spp 首采样，改为从去噪 + 重投影数据直接推 sample map，采样图质量显著更高（图 6）。
• 集成 Vogels 的层级核预测进时序去噪器，用 10× 更少参数仍优于 Chaitanya 等人的递归自编码器，且无需尾座 TAA。
• 运行于 1920×1080 交互速率（LARGE 42 ms / SMALL 14 ms @ RTX 2080 Ti），是可扩展的质量-性能滑杆（表 3）。

原文出处块

• 标题：Neural Temporal Adaptive Sampling and Denoising
• 作者：J. Hasselgren, J. Munkberg, M. Salvi, A. Patney, A. Lefohn（NVIDIA）
• 发表：EUROGRAPHICS 2020, Computer Graphics Forum, Vol 39, No 2
• DOI：10.1111/cgf.13905
• 源码框架：PyTorch + Falcor（NVIDIA GameWorks）
• 授权：非 CC（© 2020 Authors / Eurographics）。本页面为非商业性技术内容，11 图按「未修改」原样引用；正式上线需按政策逐件许可（残留风险单图 31.25 USD）。
• 附材料：随论文的补充动画视频（时序稳定性对比），页面内以链接形式提示，不内联。

上篇导航：篇目 02 · ReSTIR 用于次表面散射；下篇导航：篇目 04 · AAA-Gaussians（自适应 3D 平滑滤波）。