title: 從萬能光到觀察者主權渲染：理論譜系重構與研究綱領
english_title: From Omnilux to Observer-Sovereign Rendering: A Reconstruction of the Theoretical Lineage and Research Program
series: 觀察者主權渲染（Observer-Sovereign Rendering, OSR）
paper_id: OSR-00
author: Neo.K
ai_collaboration: GPT-5.6 Sol
institution: EveMissLab／一言諾科技有限公司
version: v0.1
date: 2026-09-18
language: zh-TW
document_type: 理論譜系重構／研究綱領／AI 原生渲染
status: 初版完成
canonical_source: UTF-8 Markdown

從萬能光到觀察者主權渲染

理論譜系重構與研究綱領

From Omnilux to Observer-Sovereign Rendering

A Reconstruction of the Theoretical Lineage and Research Program

論文編號： OSR-00
系列： 觀察者主權渲染（Observer-Sovereign Rendering, OSR）
作者： Neo.K
AI 協作： GPT-5.6 Sol
機構： EveMissLab／一言諾科技有限公司
版本： v0.1
日期： 2026 年 9 月 18 日

摘要

本篇作為「觀察者主權渲染」（Observer-Sovereign Rendering, OSR）系列第零篇，不直接提出單一新渲染演算法，而是重構一條跨越早期萬能光、感知主權、客製化光追、Omnilux Field Processor（OFP）、Adaptive Perceptual Reading / Agentic Perception Runtime（APR）、Native Visual Construction Loop（NVCL）、MCP-native Recursive Multimodal Infinite Canvas（MRMIC）與 Projection-Native Computational World（PNCW）的理論譜系。

這條譜系的共同問題並不是「如何把更多光線算得更快」，而是更根本的問題：

一個有限的觀察者，在特定目的、風險、不確定性、時間與計算預算下，到底需要世界如何顯現？

傳統即時渲染通常將問題寫成：給定場景、相機、材質、光源與計算預算，求得一幅近似物理或藝術目標的影像。早期客製化光追工作已開始破壞「所有射線具有相同計算價值」的假設；OFP 進一步把物理光影與主體風格調變分離；感知主權論則把已顯化、未顯化與顯化邊界本身形式化為不同投影算子；APR 又將感知重寫為「何時看、看哪裡、看多深、何時重看與何時停止」的預算治理問題。到了 NVCL、MRMIC 與 PNCW，世界狀態、投影、表面、驗證與可見性已能被分離為不同工程層。

本文據此提出 OSR 的核心轉向：

\boxed{ \text{Rendering} \neq \text{Compute Everything Visible} }

而應重寫為：

\boxed{ \text{Rendering} = \text{Construct the Perceptual Field Required by an Observer} }

在 OSR 中，Ray Tracing 不再是最上層本體，而只是多種 rendering realization backend 之一。系統先由觀察者狀態、任務問題、世界狀態與資源預算生成一個感知程式，再把不同空間區域、時間區段與表示深度編譯到 rasterization、ray/path tracing、local neural rendering、cloud multimodal rendering、semantic reconstruction、temporal reuse 等異質 backend。世界真值與顯現真值必須分離，AI 生成錯誤只能構成 projection error，不得自動污染 canonical world state。

2026 年公開的 DLSS 5 3D-Guided Neural Rendering 顯示，生成模型已可在引擎幾何、顏色、運動向量、時序狀態與藝術控制的約束下參與最終顯示外觀生成。本文不將其視為 OSR 的同義技術，而視為一項重要外部收斂證據：即時渲染正從「純物理取樣」走向「物理／結構約束下的神經顯現」。OSR 的研究位置則更高一層：它關注的不是單一神經 renderer 如何生成像素，而是誰決定何時、何地、以何種表示深度、由哪一種 renderer 生成什麼樣的顯現。

本文最後給出 OSR 的核心公理、感知編譯器形式、主權不變量、歷史理論的保留／修訂／退役表、可反證條件、OSR-01 至 OSR-07 的研究路線，以及後續技術白皮書與 APR-driven MVP 的工程接口。

關鍵詞： Observer-Sovereign Rendering、觀察者主權渲染、感知主權、Omnilux、APR、NVCL、PNCW、神經渲染、感知編譯器、異質渲染、表示深度、AI 原生渲染

0. 文件目的與證據邊界

本篇有三個目的：

重建早期光學／感知理論到 2026 年 AI 原生渲染問題的連續譜系；
明確指出哪些早期命題可以直接繼承，哪些需要降維重寫，哪些不再作為工程前提；
定義 OSR 系列後續論文、技術白皮書與 MVP 的共同 canonical vocabulary。

本篇不主張：

已完成一個可與商業 DLSS、FSR、XeSS 或 path tracer 競爭的 renderer；
已證明雲端多模態模型可以在所有互動遊戲中滿足即時延遲；
已證明「萬能光」的早期本體論命題具有物理實在性；
已證明所有觀察都可以被同一套演算法最佳化；
已證明觀察者偏好應凌駕安全、真實性或共同世界規則；
已完成 OSR 的 production architecture。

此外，早期 OmniTrace／ExtremeTrace 的原始 canonical 母稿目前尚未在現有 Library 與 GitHub 中直接回收。本篇因此只保留已被後續工作延續、且本輪對話重新確認的概念譜系：即以語義相關性、觀察目的、注意力與預算改變光追資源分配；不把尚未找回母稿的具體公式當成歷史直接引文。

這一區分非常重要：

\boxed{ \text{Historical Reconstruction} \neq \text{Verbatim Recovery} }

1. 第一個源頭：萬能光不是今天的 renderer，但提出了「光不是單一固定通道」

早期「萬能光」工作具有強烈的本體論與物理猜想色彩。對今天的 OSR 而言，其價值不在於要求工程系統接受某個無限光譜背景實在，而在於它很早就把「光」從單一可見波段、單一傳輸形式、單一觀察層次中解耦。

因此 OSR 不繼承：

\text{Omnilux as necessary physical substrate}

而只繼承更弱、也更工程化的命題：

\boxed{ \text{The observable image is only one realization of a richer field of possible manifestations.} }

也就是：顯示器上某一幀 RGB 影像不是「世界本身」，而只是世界、載體、觀察條件與投影規則共同決定的一個 realization。

這個弱形式後來在多條研究線中反覆出現：

光／陰之分；
顯化／未顯化；
可讀／不可讀；
世界／投影；
canonical state／surface state；
physical result／subjective modulation。

因此，萬能光在 OSR 中被重新定位為概念史源頭，而非 renderer specification。

2. 感知主權：真正的轉折不是「看見更多」，而是「顯化邊界可以被算子化」

後續感知主權工作將觀察拆成三個投影位置：

P_{\text{light}}:O\rightarrow\Phi_{\text{manifest}},

P_{\text{shadow}}:O\rightarrow\Phi_{\text{unmanifest}},

P_{\Delta}: (P_{\text{light}},P_{\text{shadow}}) \rightarrow \delta_{\text{boundary}}.

其核心不是字面上的「三隻眼睛」，而是三種不可互相消除的操作角色：

目前被顯化、可用、可操作的資訊；
尚未被顯化、被遮蔽、被忽略或仍不確定的資訊；
顯化與未顯化邊界如何切換的差動。

對渲染而言，這意味著一件很關鍵的事：

\boxed{ \text{Visibility is not only a geometric fact; it is also an operational selection.} }

這裡的 selection 並不是允許任意竄改世界，而是指出：即使世界狀態固定，有限系統也不可能在每個時刻把全部可導出資訊以最高解析度、最高物理精度與最高語義深度同時顯化。

因此必然存在：

\Phi = \Phi_{\text{manifest}} \sqcup \Phi_{\text{unmanifest}}.

渲染的問題也因此第一次從「求完整畫面」轉成：

哪些內容應該進入當下的顯現域？

3. 客製化光追：早期幾何公式修改其實已經在攻擊均勻計算假設

早期 OmniTrace／ExtremeTrace 工作可理解為感知主權進入 computer graphics 後的第一個工程化試探。

傳統 ray tracing 以幾何與物理條件定義射線：

r=(o,d),

並在既定 sampling policy 下計算相交、遮蔽、BRDF、反射、折射與多次 bounce。

早期客製化光追的關鍵並不只是「換一條幾何公式」，而是開始加入：

語義相關性；
注意力；
目標；
觀察者需求；
不同射線的不同計算價值。

其歷史性突破可以壓縮為：

\boxed{ \text{Not every physically possible ray deserves equal computational budget.} }

這一命題在當時仍然被放在 ray 層，所以容易被理解為「客製化 ray tracing」。

OSR 對它的第一次大修正是：

\boxed{ \text{Ray} \subset \text{Observation Probe} }

射線只是「觀察探針」的一種 realization。其他 probe 可能最後被實作為：

depth buffer query；
normal/material lookup；
object graph traversal；
semantic query；
local neural inference；
cloud multimodal inference；
cached temporal reuse；
partial re-render；
full ray/path tracing。

所以，OSR 不再問：

這條 ray 要怎麼改？

而先問：

這個觀察者現在需要哪一種 probe？

4. OFP：從「物理正確」到「主體決定如何映現」

OFP（Omnilux Field Processor）把早期光學與感知主權命題向工程推進了一大步。

其基本三階段可以寫成：

I_{2D} \xrightarrow{\mathcal A_{\text{cog}}} \Psi_{2.5D} \xrightarrow{\mathcal R_{\text{phys}}} L_{\text{phys}} \xrightarrow{\Lambda_{\text{Omni}}} L_{\text{final}}.

其中：

$\mathcal A_{\text{cog}}$ ：從 2D 現象重構足以支持光影運算的 2.5D 結構；
$\mathcal R_{\text{phys}}$ ：依深度、法線、材質與光源執行物理／近似物理渲染；
$\Lambda_{\text{Omni}}$ ：依風格意圖、VNF 等主權條件調變最終顯示。

OFP 最重要的理論遺產不是某個 SSAO 或 BRDF 實作，而是：

\boxed{ \text{Physical correctness} \neq \text{Final perceptual objective} }

世界的物理約束提供素材，但最終呈現仍有一層由創作者／觀察者指定的 manifestation rule。

OFP 的 Visual Neglect Field（VNF）更進一步承認：人類與有限 AI 不會平等處理所有區域。這已經接近 OSR 的 spatial perceptual budgeting，只是當時主要被用於風格與 2.5D 繪圖，而不是一般遊戲 renderer。

OFP 因此是 OSR 的直接工程祖先之一。

5. APR：把「不是所有東西都值得看」變成 runtime

APR 的核心問題不是渲染，而是：

讓智能決定何時看、看哪裡、看多深、何時重看，以及何時停止看。

APR 將感知寫成受目標、風險、不確定性、證據品質與預算共同治理的閉環：

\text{Perceive} \rightarrow \text{Maintain Belief} \rightarrow \text{Determine Need} \rightarrow \text{Gate Action} \rightarrow \text{Execute} \rightarrow \text{Observe Outcome} \rightarrow \text{Verify} \rightarrow \text{Recover}.

APR 對 OSR 的直接貢獻有四點。

第一，存在合法的：

\text{NO\_OBSERVATION}.

也就是如果 current state 夠新、夠可靠，就不必重算。

第二，感知深度與感知成本必須成比例：

\text{Need}\uparrow \Rightarrow \text{Perceptual Investment}\uparrow,

但反過來：

\text{Need}\downarrow \not\Rightarrow \text{Maximum Perception}.

第三，重看必須由不確定、過期、衝突、風險或行動前置條件觸發，而不是固定全量刷新。

第四，感知結果不是自動真理，而是 evidence，仍需要驗證與 provenance。

因此 OSR 不需要重新發明「感知預算」。真正要補的是：

\boxed{ \text{APR decision} \rightarrow \text{rendering program} }

這個缺失的 compiler layer。

6. NVCL：顯現不是一次性輸出，而是可觀察、可修正的閉環

NVCL 將視覺建構環境寫成：

\mathcal E_{\text{draw}} = (\mathcal S,\mathcal A,\mathcal O,\mathcal T,\mathcal R),

並強調模型不是一次生成完整畫面後停止，而應：

\text{construct} \rightarrow \text{observe} \rightarrow \text{diagnose} \rightarrow \text{modify}.

其觀察也不是只有 PNG，而可以包含：

o_t = (I_t,G_t,L_t,p_t,E_t),

其中包括影像、物件／關係圖、圖層、動作狀態與誤差。

這對 OSR 非常關鍵，因為 neural rendering 最大的錯誤之一，就是讓生成模型每一幀從像素重新猜世界。

OSR 的原則相反：

\boxed{ \text{Do not ask the model to infer what the engine already knows.} }

如果遊戲引擎已知道：

object identity；
depth；
normal；
motion vector；
material；
light source；
skeleton／pose；
semantic label；

這些都應作為 observation carrier 或 render condition，而不是要求雲端 AI 從最終 RGB 重新猜測。

7. MRMIC 與 PNCW：世界、投影、provider 與可見性已經可以分層

MRMIC/NVCL 的現行工程架構已明確將 Canvas 的 geometry / projection 與 provider-owned resource 分離。這意味著 surface 可以呈現外部資源，但不冒充資源本身的 authority。

PNCW 又把 projection lifecycle 明確化為：

\text{REQUESTED} \rightarrow \text{RESOLVED} \rightarrow \text{READY} \rightarrow \text{PROJECTED} \rightarrow \text{VERIFIED} \rightarrow \text{VISIBLE}.

並加入：

source / surface authority 分離；
freshness / integrity verification；
mixed-version fail-closed；
atomic visibility commit；
partial physical residency；
HDSRC 與 MRMIC/NVCL adapter boundaries。

這些都表示 OSR 不需要再重新定義「投影後如何顯示」。

OSR 真正缺的層是：

\boxed{ (W_t,O_t,q_t,B_t) \rightarrow P_t^{\text{render}} }

也就是從世界、觀察者、問題與預算，編譯出 rendering program。

8. 2026 年外部收斂：DLSS 5 證明生成式模型已進入最終顯示階段

2026 年 NVIDIA 公開 DLSS 5 3D-Guided Neural Rendering。其官方研究描述指出，DLSS 5 使用 one-step pixel-space diffusion model，並以 current rendered frame、engine motion vectors、carried temporal state 與 artistic-direction values 為條件；系統要求 causal、deterministic、temporally stable，並以 renderer-derived scene attributes 約束生成結果。

其最關鍵的範式變化是：早期 DLSS 主要重建 conventional renderer 的高成本參考輸出，而 DLSS 5 開始直接生成 final displayed appearance 的部分內容。

可抽象為：

K_t^{\text{engine}} + H_t^{\text{temporal}} + A_t^{\text{art}} \xrightarrow{\mathcal N} I_t^{\text{final}}.

這項外部進展支持三個 OSR 前提：

neural rendering 可以在 engine-grounded 條件下參與最終畫面生成；
temporal stability、determinism 與 authored-content preservation 是必要約束；
最終外觀不必全部由傳統 PBR／path tracing 顯式模擬。

但 OSR 與 DLSS 5 不同。

DLSS 5 主要回答：

一個專用 neural renderer 如何在既有 pipeline 中即時生成更真實的最終 appearance？

OSR 則回答：

什麼時候應該用 neural renderer？哪個區域需要？需要多深？是否應改用 ray tracing、semantic reconstruction、reuse 或 cloud model？這個決策由誰的目標與哪些約束控制？

因此：

\boxed{ \text{DLSS-like Neural Renderer} \subset \text{OSR Rendering Backend Space} }

而不是：

\text{OSR}=\text{DLSS}.

9. OSR 的第一級對象：觀察者不是 Camera

傳統 graphics pipeline 中的 camera 通常包含：

C_t = (\text{position},\text{orientation},\text{projection}).

OSR 中的 Observer 必須更廣。

定義：

O_t = (g_t,p_t,h_t,u_t,r_t,\beta_t),

其中：

$g_t$ ：goal，當下目的；
$p_t$ ：perceptual profile，偏好的感知／呈現條件；
$h_t$ ：history，觀察與顯現歷史；
$u_t$ ：uncertainty，目前不確定性；
$r_t$ ：risk，安全／任務風險；
$\beta_t$ ：budget，可用計算、延遲、網路與成本預算。

再定義當下問題：

q_t\in\mathcal Q.

同一個世界 $W_t$ ，在不同問題下可以產生不同合法顯現：

\mathcal O_{O,q_1}(W_t) \neq \mathcal O_{O,q_2}(W_t).

例如：

正常遊玩；
搜索互動物件；
戰術威脅識別；
電影式觀看；
材質檢查；
無障礙高對比；
光照驗證；
開發者 debug。

世界不必改變：

W_t'=W_t,

但 manifestation 可以不同：

V_t'\neq V_t.

這就是 OSR 所謂的 observer sovereignty：

觀察者可以決定合法的顯現策略，但不能因此任意改寫 canonical world truth。

10. 從 Ray 到 Observation Probe

定義一個一般觀察探針：

\pi_k^{O,q} = ( \tau_k, \omega_k, \eta_k, \rho_k, \chi_k, \kappa_k ),

其中：

$\tau_k$ ：target；
$\omega_k$ ：goal relevance；
$\eta_k$ ：uncertainty；
$\rho_k$ ：required resolution / fidelity；
$\chi_k$ ：representation mode；
$\kappa_k$ ：estimated cost。

Ray tracing probe 只是：

\pi_k^{\text{ray}} \mapsto (o_k,d_k,\text{sampling policy}).

其他 probe 可以編譯為完全不同的 backend call。

所以：

\boxed{ \mathcal P_{\text{obs}} \supset \mathcal P_{\text{ray}} }

這是 OSR 對早期客製化光追最重要的升級。

11. 感知編譯器：OSR 的核心新層

定義 Perceptual Rendering Compiler：

\mathcal C_{\text{OSR}}: (W_t,O_t,q_t,B_t,E_t) \rightarrow P_t^{\text{render}},

其中：

$W_t$ ：canonical world state；
$O_t$ ：observer state；
$q_t$ ：observation question / objective；
$B_t$ ：resource budget；
$E_t$ ：evidence / freshness / runtime environment；
$P_t^{\text{render}}$ ：有限、可執行、可驗證的 rendering program。

Rendering program 不是單一 shader，而可以包含區域化 backend mapping：

P_t^{\text{render}} = \left\{ (\Omega_i,R_i,d_i,\nu_i,h_i,c_i) \right\}_{i=1}^{n},

其中：

$\Omega_i$ ：spatial / semantic region；
$R_i$ ：renderer backend；
$d_i$ ：representation depth；
$\nu_i$ ：update / sampling frequency；
$h_i$ ：temporal history depth；
$c_i$ ：confidence / verification policy。

Backend space 可先定義為：

\mathcal R = \{ R_{\text{reuse}}, R_{\text{raster}}, R_{\text{ray}}, R_{\text{path}}, R_{\text{local-neural}}, R_{\text{cloud-neural}}, R_{\text{semantic}} \}.

因此，OSR 的核心不是產生像素，而是產生：

\boxed{ \text{A rendering plan about how pixels should be produced.} }

12. APR 在 OSR 中的位置：不是 renderer，而是治理器

OSR 不把 APR 改造成 graphics library。

APR 的角色是：

\text{Perceptual Governance}.

令區域 $x$ 在時間 $t$ 的感知優先度為：

\Psi_{O,q}(x,t) = \alpha S(x,t) + \beta U(x,t) + \gamma G_q(x,t) + \delta D(x,t) + \epsilon H(x,t),

其中：

$S$ ：semantic salience；
$U$ ：uncertainty；
$G_q$ ：goal relevance；
$D$ ：temporal difference；
$H$ ：hazard / mandatory visibility。

APR 不必直接決定 final pixel，而可決定：

a_t(x) \in \{ NO\_OBSERVATION, REUSE, RASTER, RAY, LOCAL\_AI, CLOUD\_AI, SEMANTIC\_RENDER \}.

以及：

d_t(x)=\text{representation depth},

\nu_t(x)=\text{revisit frequency}.

這使早期「不是所有 ray 都值得同樣算」升級為：

\boxed{ \text{不是所有區域、時間、表示、backend 都值得同樣算。} }

13. Observer-Sovereign Rendering 的八條核心公理

公理一：Canonical World Separation

\boxed{ W_t\neq V_t }

世界狀態不等於顯示狀態。

公理二：Observer Explicitness

任何非純物理唯一映射的顯現，都必須能回答：

\boxed{ \text{for whom, for what, under which constraints?} }

公理三：Backend Pluralism

\boxed{ \text{No single renderer is ontologically privileged.} }

Raster、ray、neural、semantic、reuse 都只是 realization class。

公理四：Budget Proportionality

\boxed{ \text{Compute depth should be proportional to perceptual need.} }

公理五：Inference Marking

推論生成的內容不得無標記地冒充 world fact：

\boxed{ \text{Inference}\neq\text{World Truth} }

公理六：Temporal Continuity

若顯現跨時間存在，必須顯式管理：

\text{motion}, \text{history}, \text{identity}, \text{drift}, \text{reprojection}.

公理七：Verification Before Visibility

高風險或高影響 projection 應遵循：

PROJECTED \rightarrow VERIFIED \rightarrow VISIBLE.

公理八：Reversible Mediation

任何額外 AI augmentation 若非世界本體的一部分，都應能快速退回較低中介層：

V^{AI} \rightarrow V^{base}.

14. 世界真值與顯現真值

OSR 將狀態至少分成三類：

\mathcal W = \text{canonical world facts},

\mathcal P = \text{projection / rendering state},

\mathcal I = \text{inferred / generated appearance}.

因此：

\mathcal I \not\subseteq \mathcal W

不應被默認成立。

AI 可以在外觀上補出：

次表面散射；
毛髮透光；
微材質；
接觸陰影；
遠景紋理；
風格化細節。

但若引擎沒有宣稱某物件存在，AI 不能只因為生成出來就把它寫入 canonical world state。

所以 neural hallucination 在 OSR 中首先被定義為：

\boxed{ \Delta_{proj} = V_t^{AI}-V_t^{allowed} }

即 projection error，而不是 world mutation。

這個分離讓 AI 生成可以被大幅使用，而不必把「生成模型偶爾會畫錯」直接等同「整個遊戲世界不可信」。

15. 從 local GPU 到 cloud multimodal rendering

OSR 不要求所有 neural rendering 都在本地 GPU 執行。

第一代 cloud-assisted OSR 可採：

W_t \xrightarrow{R_{local}} K_t^{base},

(K_t^{base},O_t,q_t,H_t) \xrightarrow{R_{cloud}} A_t,

(A_t,K_{t+1}^{base},V_{t+1}^{motion}) \xrightarrow{R_{temporal}} F_{t+1}.

重點不是每秒呼叫 cloud model 60 次，而是讓：

f_{cloud} \ll f_{display}.

Cloud model 可只生成：

appearance anchor；
local residual；
material latent；
lighting latent；
semantic detail；
object-local enhancement。

本地則負責：

world simulation；
geometry；
motion；
reprojection；
temporal interpolation；
fallback；
final composition。

這使低階 GPU 不必被要求直接承擔完整大型生成模型。

16. 舊理論的保留、修訂與退役

舊命題／工作線	OSR 處理	理由
萬能光作為更廣顯現可能性的思想來源	保留弱形式	有助於解除 RGB frame = world 的直覺
萬能光作為必要物理背景本體	不作工程前提	OSR 不需要其物理實在性才能成立
感知主權的顯化／未顯化／邊界差動	保留	直接形成 observer-conditioned manifestation
客製化光追	升級	Ray 降為 Observation Probe 的一種 backend
所有 ray 按目的／重要性分配成本	推廣	擴展為所有區域／時間／representation／backend 的預算治理
OFP 物理層與主權層分離	保留	對應 world constraint 與 manifestation rule 分離
OFP 的 VNF	保留並一般化	對應 APR perceptual budgeting
APR	直接繼承	作 OSR perception governor，不重寫 core
NVCL	直接繼承	作 render-observe-diagnose-repair loop
MRMIC	直接繼承	作 visual surface / projection environment
PNCW	直接繼承	作 projection lifecycle / verification control plane
單一 renderer 產生整幀	退為特例	OSR 允許 heterogeneous per-region realization
像素為唯一 carrier	退為特例	可使用 latent / semantic / field / residual carrier

17. OSR 與 foveated rendering、LOD、neural rendering 的差異

OSR 與既有技術有交集，但不等同。

17.1 與 Foveated Rendering

Foveated Rendering 主要根據 gaze / eccentricity 分配解析度。

OSR 可以包含 gaze，但其 priority function 更廣：

\Psi = f( \text{gaze}, \text{goal}, \text{uncertainty}, \text{risk}, \text{semantics}, \text{history}, \text{cost} ).

17.2 與 LOD

LOD 主要在 representation complexity 上做尺度調整。

OSR 將 LOD 推廣成：

\text{Representation Depth} + \text{Renderer Choice} + \text{Revisit Frequency} + \text{Inference Depth}.

17.3 與 Neural Rendering

Neural Rendering 關注 neural representation / network 如何產生 appearance。

OSR 關注：

\boxed{ \text{when and why neural rendering should be selected at all.} }

17.4 與 Cloud Gaming

Cloud Gaming 通常是：

\text{cloud runs game} \rightarrow \text{video stream}.

OSR cloud-assisted rendering 可以是：

\text{local world simulation} + \text{remote perceptual operator} + \text{local composition}.

二者並不相同。

18. OSR 的最小可反證條件

OSR 必須允許自己失敗。

至少有以下反證路徑。

F1：Compiler Overhead Failure

若：

C_{compiler} + C_{orchestration} \ge C_{uniform-renderer}

且品質沒有提升，OSR 的動態編譯層在該場景沒有價值。

F2：Observer Conditioning Instability

若 observer-conditioned policy 導致：

T_{consistency}\downarrow

或身份／結構漂移大幅增加，則該 conditioning rule 失敗。

F3：Semantic Bias Failure

若提高 goal relevance 造成必要世界資訊被錯誤隱藏：

H_{hazard}>0,

則 perceptual sovereignty 必須被 safety invariant 覆蓋。

F4：Cloud Latency Failure

若：

L_{cloud} > L_{acceptable}

且 local temporal reconstruction 無法掩蔽，cloud backend 在該互動層不可用。

F5：No Savings

若 APR-driven selective rendering 的總成本：

C_{APR} \not< C_{naive}

且品質相同，預算治理沒有產生工程收益。

F6：World/Projection Collapse

若 implementation 無法阻止 inferred appearance 寫回 canonical world truth，則它不符合 OSR。

19. OSR 的核心研究問題

本系列後續至少回答七個問題。

RQ1

\text{What does the observer actually need to see?}

RQ2

如何把 goal / uncertainty / risk / budget 編譯成 rendering program？

RQ3

不同區域應如何選擇 raster、ray、local neural、cloud neural、semantic 或 reuse？

RQ4

表示深度應如何隨空間、時間與任務動態改變？

RQ5

如何保持 canonical world truth、artist intent 與生成 appearance 的分離？

RQ6

如何在 cloud inference latency 下維持 interactive temporal continuity？

RQ7

如何以可比較 benchmark 測量品質、結構、延遲、成本與一致性？

20. OSR 系列正式路線

本系列規劃為八篇：OSR-00 至 OSR-07。

OSR-00

《從萬能光到觀察者主權渲染：理論譜系重構與研究綱領》

本篇。

OSR-01

《我們到底想看什麼？觀察者、目的與顯現場》

正式定義 Observer、Question、Manifestation Field。

OSR-02

《從射線到觀察探針：廣義觀察算子與感知編譯器》

建立 Observation Probe 與 Perceptual Rendering Compiler。

OSR-03

《異質渲染場：Raster、Ray、Neural、Semantic 與 Reuse 的統一選擇》

建立 heterogeneous backend space。

OSR-04

《APR 治理的自適應渲染：感知預算、表示深度與動態重算》

將 APR 接入 rendering policy。

OSR-05

《世界真值與顯現真值：生成式渲染中的一致性、幻覺與表示主權》

建立 truth separation、provenance 與 verification rules。

OSR-06

《分散式 AI 原生渲染：Local World、Cloud Intelligence 與 Temporal Reconstruction》

建立 cloud-assisted architecture。

OSR-07

《可反證的觀察者渲染：品質、延遲、成本、一致性與結構保真》

建立 benchmark、ablation 與 MVP acceptance criteria。

21. 後續技術白皮書的預定結構

理論系列完成後，技術白皮書不再重複哲學背景，而直接回答：

OSR runtime component graph；
APR adapter；
World-state input contract；
Observer / Goal schema；
Perceptual compiler；
Render Plan IR；
Renderer plugin ABI；
Local 3070 baseline renderer；
Cloud multimodal provider adapter；
temporal cache / reprojection；
PNCW verification bridge；
MRMIC display surface；
metrics / trace / evidence；
fallback / fail-closed；
benchmark harness。

白皮書的核心中間表示預定為：

\boxed{ OSR\text{-}IR = \text{Observer-Conditioned Render Plan} }

而不是直接把 prompt 當 render API。

22. 第一代 MVP 的研究目標

MVP 不以「打敗 DLSS 5」為目標。

第一代只驗證：

\boxed{ \text{Observer-conditioned heterogeneous rendering is technically executable.} }

基準環境可以故意使用較舊的 RTX 3070 作 local baseline，以測試：

\text{weak local renderer} + \text{selective cloud intelligence} \rightarrow \text{higher perceived quality}

是否成立。

至少比較四組：

B_0=\text{Local Raster / PBR Baseline},

B_1=\text{Naive Full Cloud Generation},

B_2=\text{APR Keyframe Cloud},

B_3=\text{APR Spatial + Temporal OSR}.

核心指標：

Q=\text{visual quality},

T=\text{temporal consistency},

L=\text{perceived latency},

C=\text{cloud / compute cost},

S=\text{structural fidelity}.

第一代成功條件不是所有指標同時超越，而是至少證明存在一個工作域：

Q_{OSR}>Q_{local}

且：

C_{OSR}<C_{naive-cloud},

同時：

S_{OSR}\ge S_{min},

T_{OSR}\ge T_{min}.

23. 核心理論結論

本篇最終提出五個收斂命題。

命題一：渲染的第一級問題不是光，而是顯現需求

\boxed{ \text{Render Objective} \prec \text{Render Method} }

方法之前，先決定要顯現什麼。

命題二：Ray Tracing 是觀察算子的 realization，而非上位本體

\boxed{ \text{Ray Tracing} \subset \text{Observation Realization Space} }

命題三：有限觀察者必然需要選擇性顯現

若計算預算有限：

B<\infty,

而可導出資訊量大於預算：

|\Phi_{possible}|>B,

則必須存在 selection policy。

命題四：AI 原生渲染的核心不是「AI 畫更多」，而是「AI 決定何時由誰畫什麼」

\boxed{ \text{AI-native Rendering} = \text{Perceptual Governance} + \text{Render Planning} + \text{Heterogeneous Realization} + \text{Verification} }

命題五：觀察者主權必須被世界真值與安全邊界約束

\boxed{ \text{Observer Sovereignty} \neq \text{World Mutation Sovereignty} }

觀察者可以選擇合法的顯現，但不能僅因希望看見某物，就把推論或生成內容改寫成世界事實。

24. 結語：我們到底想看什麼？

早期萬能光工作把問題從可見光推向更廣的顯現可能；感知主權把顯化與未顯化的邊界交給算子；客製化光追開始拒絕所有 ray 等價；OFP 把物理計算與主體呈現分離；APR 把「看」變成預算治理；NVCL 把顯現變成可觀察與可修正的閉環；MRMIC 與 PNCW 則把 projection、surface、provider authority、verification 與 visibility 拆成工程層。

現在，這些線可以收斂成一個更簡單但更高階的問題：

\boxed{ \text{What do we actually want to see?} }

這個問題不等於任性地要求世界變成想看的樣子。

它真正要求的是：

\boxed{ \text{Given a real world state, an observer, a goal, uncertainty, risk, and a finite budget,} }

\boxed{ \text{what should be manifested, at what depth, by which renderer, with what evidence and reversibility?} }

當這個問題成為第一級計算對象，渲染就不再只是 graphics pipeline 的末端。

它成為：

\boxed{ \text{a governed compiler from world state to observer-relative manifestation.} }

這就是 Observer-Sovereign Rendering 的起點。

參考來源

內部／EveMissLab 譜系來源

Neo.K，《虛空拓撲與萬能光：穿越泡沫海的終極實在》，歷史內部文件。
Neo.K，《基底視覺論：弱形式、強形式與感知位格》，2026。
Neo.K，《OFP (Omnilux Field Processor) 論文：2D 繪圖的物理化革命》，歷史內部／工程理論文件。
EveMissLab, APR — Adaptive Perceptual Reading / Agentic Perception Runtime. https://github.com/kakon77777-commits/APR
EveMissLab, MRMIC/NVCL. https://github.com/kakon77777-commits/MRMIC_NVCL
EveMissLab, PNCW — Projection-Native Computational World. https://github.com/kakon77777-commits/PNCW
Neo.K，《視之一般算子論：差異的場化、位格化與回饋化》，2026。

外部技術來源

NVIDIA ADLR. "DLSS 5: Generative Neural Rendering." 2026-09-01. https://research.nvidia.com/labs/adlr/DLSS5/
NVIDIA. "DLSS 5 3D-Guided Neural Rendering Debuts in NBA 2K27." 2026-09-01. https://www.nvidia.com/en-gb/geforce/news/dlss-5-3d-guided-neural-rendering/
NVIDIA Real-Time Graphics Research. "Neural Appearance Models for Real-Time Rendering." https://research.nvidia.com/labs/rtr/neural_appearance_models/
Takikawa et al. "Neural Geometric Level of Detail: Real-time Rendering with Implicit 3D Shapes." https://research.nvidia.com/nglod
Wang et al. "Real-Time Level-of-Detail Rendering with ReSTIR." SIGGRAPH 2026. https://research.nvidia.com/labs/rtr/publication/wang2026levelofdetail/

附錄 A：來源成熟度註記

來源	本篇使用方式	成熟度
萬能光	概念史背景	歷史理論，不作工程前提
感知主權	顯化／未顯化／邊界算子	可直接引用既有文本
OmniTrace／ExtremeTrace	歷史概念譜系	原始 canonical 母稿待回收
OFP	工程祖先	已有長篇理論／實作設計文件
APR	感知治理 runtime	已有公開 GitHub、理論系列與測試
NVCL／MRMIC	視覺閉環／表面	已有公開 GitHub 與 canonical theory
PNCW	projection control plane	已有公開 GitHub 與 Core MVP
DLSS 5	外部收斂證據	2026 NVIDIA 官方研究／產品資料
OSR	新研究綱領	本篇 v0.1，尚待 OSR-01–07 與 MVP 驗證

附錄 B：一句話版本

OSR 不先問「怎樣把整個世界算得更真」，而先問「這個觀察者此刻到底需要世界怎樣顯現」，再由 APR 與感知編譯器把需求分配給 Raster、Ray、Neural、Cloud、Semantic 與 Reuse 等異質 renderer，並以世界真值分離、驗證與可逆性約束最終顯示。