--- title: "從射線到觀察探針：廣義觀察算子與感知渲染編譯器" english_title: "From Rays to Observation Probes: Generalized Observation Operators and the Perceptual Rendering Compiler" series: "Observer-Sovereign Rendering（OSR）" paper_id: "OSR-02" 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: "理論論文／編譯器架構／AI-native rendering／heterogeneous rendering" status: "初版完成" --- # 從射線到觀察探針 ## 廣義觀察算子與感知渲染編譯器 # From Rays to Observation Probes ## Generalized Observation Operators and the Perceptual Rendering Compiler **論文編號：** OSR-02 **系列：** Observer-Sovereign Rendering（OSR）／觀察者主權渲染 **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 OSR-01 已將渲染的第一級問題由「如何生成像素」前移為「在世界真值、安全、權限與有限資源約束下，這個觀察者為了當下目的，最低限度必須讓什麼成為可用的顯現」。該篇輸出一組 Manifestation Obligations： $$ \mathcal U_t = \{ \mu_1,\ldots,\mu_n \}, $$ 其中每個義務指定顯現對象、最低品質、理想品質、禁止 realization、deadline 與 provenance 要求。 本篇回答下一個問題： > **已知「必須顯現什麼」之後，系統如何決定要用 ray、raster、reuse、local neural、cloud neural、semantic query 或其他機制來完成？** 本文提出「Observation Probe」作為比 ray 更一般的計算原語，並定義 Perceptual Rendering Compiler（PRC）： $$ \boxed{ \mathcal C_R: ( \mathcal U_t, W_t, \mathcal K_t, \mathcal B_t, \Gamma_t ) \rightarrow P_t^{render}. } $$ 其中 $\mathcal K_t$ 為可用 renderer / sensor / cache / provider 能力集合， $\mathcal B_t$ 為資源預算， $\Gamma_t$ 為治理與安全約束。PRC 的輸出不是單一 shader，而是一個可執行、可驗證、可回退的 heterogeneous render plan。 本文將 Observation Probe 定義為： $$ \boxed{ p_i = ( target_i, question_i, mode_i, input_i, output_i, fidelity_i, deadline_i, confidence_i, authority_i, cost_i, fallback_i ). } $$ Ray tracing 只是其中一個 probe realization： $$ \boxed{ \text{Ray Probe} \subset \text{Observation Probe}. } $$ 本文進一步提出 OSR-IR v0.1：以 Manifestation Obligation、Probe Node、Dependency Edge、Verification Gate、Commit Policy、Fallback Chain 與 Provenance Record 構成的中間表示。編譯器將 obligations 轉換為候選 probes，進行 capability matching、成本／效用估計、約束求解、時序排程與 verification placement，再輸出一個 execution DAG。 為避免「AI renderer 越多越好」的誤解，本文把 backend 選擇形式化為 constrained optimization。令候選 probe 為 $p_j$，義務覆蓋矩陣為 $A_{ij}$，則 compiler 需要在滿足所有 blocking obligations 的前提下，最小化計算、延遲、雲端、切換、失敗與真值風險。本文同時定義 incremental recompilation、semantic-equivalent fallback、cloud export boundary、deterministic baseline、temporal reuse、failure isolation 與 plan receipts。 外部研究方面，2025–2026 年 active perception、foveated rendering、ReSTIR temporal/spatial reuse、LoD-aware ReSTIR、TRON 與 DLSS 5 顯示：感知行動、空間品質、幾何細節、樣本重用、ray-traced condition 與 neural appearance 均可被動態組合。然而這些技術通常各自在特定 rendering layer 內最佳化。OSR-02 的研究位置更高一層：**把不同觀察與渲染機制作為可被編譯器選擇、組合、驗證與回退的異質 realization class。** **關鍵詞：** Observer-Sovereign Rendering、Observation Probe、Perceptual Rendering Compiler、OSR-IR、Render Graph、APR、ReSTIR、Neural Rendering、Cloud Rendering、Compiler IR、Fallback --- # 0. 本篇與 OSR-01 的接口 OSR-01 定義： $$ \mathcal O_M: ( W_t, O_t, Q_t, \Gamma_t ) \rightarrow \mathcal U_t. $$ 其中： $$ \mathcal U_t = \{ \mu_1,\ldots,\mu_n \} $$ 是一組 Manifestation Obligations。 每個義務可寫為： $$ \mu_i = ( scope_i, minimum_i, preferred_i, forbidden_i, deadline_i, provenance_i ). $$ OSR-01 到此停止。 它不決定： - ray count； - shader； - neural model； - cloud provider； - buffer； - texture LOD； - temporal cache； - API； - GPU kernel。 OSR-02 的任務就是把： $$ \boxed{ \text{Manifestation Meaning} } $$ 編譯成： $$ \boxed{ \text{Executable Rendering Work}. } $$ --- # 1. 為什麼 Ray 不足以作為第一級原語 傳統 ray 可表示為： $$ r = (o,d), $$ 或加入時間、波長、微分與 sampling state。 這非常適合描述： > 從某個 origin 沿某個 direction 查詢 scene intersection 與 light transport。 但 OSR 面對的問題更廣。 例如： > 背景是否可直接 reuse？ 不需要 ray。 > 角色臉是否值得呼叫 cloud neural renderer？ 不需要先產生 ray。 > 這個 hazard 是否必須顯示？ 這甚至首先是 semantic / governance query。 > 目前 material latent 是否仍新鮮？ 這是 cache / state query。 > 哪個 geometry LOD 足以支撐當前 projection？ 這是 representation selection。 因此： $$ \boxed{ \text{Ray} } $$ 只是某些 observation / realization 的物理查詢形式，不是所有顯現需求的共同上位語言。 --- # 2. Observation Probe 本文定義 Observation Probe： $$ \boxed{ p_i = ( \tau_i, q_i, m_i, I_i, O_i, f_i, d_i, c_i, a_i, k_i, \phi_i ). } $$ 其中： - $\tau_i$：target； - $q_i$：question / objective； - $m_i$：probe mode； - $I_i$：required inputs； - $O_i$：expected outputs； - $f_i$：required fidelity； - $d_i$：deadline； - $c_i$：confidence requirement； - $a_i$：authority requirement； - $k_i$：estimated cost vector； - $\phi_i$：fallback policy。 Probe 的本質不是： $$ \text{「一條虛擬光線」}, $$ 而是： > **為了滿足某個顯現義務，系統向世界、cache、renderer、模型或 provider 提出的最小可執行詢問。** --- # 3. Probe Mode 第一代 OSR 定義： $$ m_i \in \mathcal M_P, $$ 其中： $$ \mathcal M_P = \{ STATE, BUFFER, RASTER, RAY, PATH, REUSE, LOCAL\_NEURAL, CLOUD\_NEURAL, SEMANTIC, VERIFY \}. $$ 這些不是永遠完整的分類，而是 MVP 可操作的第一版。 --- ## 3.1 STATE Probe 直接讀 authoritative structured state。 例如： $$ door.state $$ $$ character.position $$ $$ object.id $$ 如果問題可由 world state 直接回答： $$ STATE \prec VISION $$ 往往成本更低且真值 authority 更高。 --- ## 3.2 BUFFER Probe 讀取已有 rendering buffers： - depth； - normal； - motion vector； - object ID； - material； - albedo； - roughness； - visibility； - G-buffer。 它常是 neural renderer 與 verification 的理想結構輸入。 --- ## 3.3 RASTER Probe 使用 rasterization / conventional shading 產生 region representation。 它通常具有： $$ Latency\downarrow, $$ $$ Determinism\uparrow. $$ --- ## 3.4 RAY Probe 執行有限 ray query： $$ p_i^{ray} \mapsto \{ r_1,\ldots,r_n \}. $$ 可用於： - shadow； - reflection； - visibility； - GI sample； - geometry query。 --- ## 3.5 PATH Probe 執行較完整 light transport sampling。 適用於： - 高品質 anchor； - reference； - offline verification； - selected high-value region。 --- ## 3.6 REUSE Probe 從： $$ H_t^M $$ 或 cache 中取得舊 representation，再經： - reprojection； - warp； - temporal validation； 重用。 所以： $$ \boxed{ \text{Reuse} } $$ 不是「什麼都不做」。 它仍是一個需要 freshness 與 validity 判斷的 probe。 --- ## 3.7 LOCAL_NEURAL Probe 由本地 neural model 執行： - denoise； - super-resolution； - material enhancement； - appearance reconstruction； - frame / latent prediction。 --- ## 3.8 CLOUD_NEURAL Probe 將經 authority gate 的必要輸入送至遠端模型。 它必須額外管理： - network latency； - provider cost； - privacy； - serialization； - jitter； - timeout； - provenance； - remote failure。 --- ## 3.9 SEMANTIC Probe 直接對 semantic / scene graph / model state 提問。 例如： $$ \text{which object is the current interaction target?} $$ 其結果可能最後驅動 rendering，而不是直接產生 pixels。 --- ## 3.10 VERIFY Probe 對候選 manifestation 進行： - structure check； - temporal check； - identity check； - provenance check； - world consistency check。 它可以使用： - rule； - structured comparison； - CV； - VLM； - checksum； - deterministic oracle。 --- # 4. Probe 不等於 Backend Observation Probe 是語義要求。 Backend 是實現方式。 定義 backend： $$ b_j \in \mathcal B. $$ 一個： $$ RAY $$ probe 可以由： - DXR； - Vulkan RT； - OptiX； - software BVH； 實現。 一個： $$ CLOUD\_NEURAL $$ probe 可以由： - provider A； - provider B； - self-hosted GPU； - private cluster； 實現。 所以： $$ \boxed{ \text{Probe} \neq \text{Backend}. } $$ 這個分離讓 OSR core 不依賴特定廠商。 --- # 5. Backend Capability Descriptor 每個 backend 暴露 capability： $$ \boxed{ K_j = ( type_j, input_j, output_j, region_j, temporal_j, det_j, lat_j, cost_j, authority_j, provenance_j, limits_j ). } $$ 其中： - $type_j$：backend class； - $input_j$：接受哪些 carrier； - $output_j$：輸出哪些 representation； - $region_j$：是否支援 ROI； - $temporal_j$：是否支援 history； - $det_j$：determinism； - $lat_j$：latency model； - $cost_j$：resource / monetary cost； - $authority_j$：需要的權限； - $provenance_j$：可提供的 provenance； - $limits_j$：大小、格式、解析度與其他限制。 Compiler 不問： > 哪個 backend 最強？ 而問： $$ \boxed{ \text{Which backend satisfies this obligation under current constraints?} } $$ --- # 6. Capability Matching 對 obligation $\mu_i$ 與 backend $b_j$，定義可行性： $$ F_{ij} = Feasible(\mu_i,K_j,\Gamma_t). $$ 若： $$ F_{ij}=0, $$ 則該 backend 不可成為候選。 不可行原因可以包含： - fidelity 不足； - deadline 超時； - provenance 不足； - authority 不足； - cloud 禁止； - input 不相容； - region mode 不支援； - determinism 要求不符； - privacy boundary 不允許 export。 所以： $$ \boxed{ \text{Unsupported} \neq \text{Low Score}. } $$ 不合法方案應先被剪掉，而不是只扣一些分數。 --- # 7. Probe Candidate Generation Compiler 對每個 obligation： $$ \mu_i $$ 產生候選集合： $$ \mathcal P_i = \{ p_{i1}, p_{i2}, \ldots, p_{ik} \}. $$ 例如臉部高品質 obligation： $$ \mu_{face}. $$ 候選可以有： $$ p_{face}^{raster+local}, $$ $$ p_{face}^{ray+local}, $$ $$ p_{face}^{raster+cloud}, $$ $$ p_{face}^{reuse+verify}, $$ $$ p_{face}^{path\ anchor+temporal}. $$ 這代表 OSR Compiler 的搜尋空間不是： $$ \text{choose one renderer globally}. $$ 而是： $$ \boxed{ \text{choose one or more realization paths per obligation}. } $$ --- # 8. Composition 單一 obligation 不一定由單一 probe 完成。 定義 probe composition： $$ p_a \circ p_b \circ p_c. $$ 例如： $$ BUFFER \rightarrow CLOUD\_NEURAL \rightarrow VERIFY. $$ 或者： $$ RASTER \rightarrow LOCAL\_NEURAL \rightarrow REUSE. $$ 因此一個 realization path： $$ \rho_i = ( p_{i1} \rightarrow p_{i2} \rightarrow \cdots \rightarrow p_{in} ). $$ OSR 真正編譯的是： $$ \boxed{ \text{Probe Graph}. } $$ 而不是一串 flat API calls。 --- # 9. OSR-IR v0.1 本文提出 OSR Intermediate Representation： $$ \boxed{ OSR\text{-}IR = ( H, U, N, E, V, C, F, R ). } $$ 其中： - $H$：header / version / plan identity； - $U$：Manifestation Obligations； - $N$：Probe Nodes； - $E$：dependency edges； - $V$：verification gates； - $C$：commit / visibility policy； - $F$：fallback chains； - $R$：receipts / provenance requirements。 OSR-IR 的目的不是取代 Vulkan Render Graph、Unreal RDG 或 GPU command graph。 它位於更上層。 其工作是描述： > **為什麼這些 rendering tasks 應該存在，以及它們滿足哪個觀察義務。** --- # 10. Plan Identity 每份 render plan 必須有穩定 identity： $$ PlanID_t. $$ 它至少應綁定： $$ Hash( \text{WorldRevision}, \text{ObserverRevision}, \text{QuestionRevision}, \text{ObligationRevision}, \text{PolicyRevision}, \text{CapabilityRevision} ). $$ 因此： $$ \boxed{ \text{same inputs} \Rightarrow \text{same plan identity} } $$ 在 deterministic compiler mode 下應盡量成立。 這方便： - cache； - replay； - debugging； - benchmark； - provenance； - regression test。 --- # 11. Probe Node 每個 Probe Node： $$ n_j = ( id_j, mode_j, backend_j, inputs_j, outputs_j, region_j, budget_j, deadline_j, authority_j, verification_j ). $$ 其輸出不是必然是 image。 可以是： $$ output_j \in \{ \text{pixel}, \text{buffer}, \text{latent}, \text{semantic}, \text{metadata}, \text{confidence}, \text{receipt} \}. $$ 因此： $$ \boxed{ \text{Render Graph} } $$ 被推廣成： $$ \boxed{ \text{Perceptual Realization Graph}. } $$ --- # 12. Dependency Edge 若 $n_b$ 需要 $n_a$ 的 output： $$ n_a \rightarrow n_b. $$ 例如： $$ \text{DepthBuffer} \rightarrow \text{CloudNeural}. $$ 也可以存在 verification dependency： $$ \text{GeneratedFace} \rightarrow \text{IdentityVerify} \rightarrow \text{VisibleCommit}. $$ 所以 verification 不是 pipeline 最後才做。 它可以插在 DAG 中間。 --- # 13. Coverage Matrix 令 obligation 為： $$ \mu_i, $$ 候選 realization path 為： $$ \rho_j. $$ 定義 coverage： $$ A_{ij} \in [0,1]. $$ $A_{ij}$ 表示 path $j$ 對 obligation $i$ 的滿足程度。 blocking obligation 要求： $$ \sum_j A_{ij}x_j \ge \tau_i, $$ 其中： $$ x_j\in\{0,1\}. $$ 因此 compiler 問題可以部分視為： $$ \boxed{ \text{constrained weighted set cover / scheduling problem}. } $$ 但實際 runtime 不一定需要求 exact optimum。 --- # 14. 成本向量 對 realization path $\rho_j$，定義： $$ \mathbf C_j = ( C_j^{gpu}, C_j^{vram}, C_j^{lat}, C_j^{net}, C_j^{cloud}, C_j^{energy}, C_j^{risk} ). $$ 再加入切換成本： $$ C_j^{switch}, $$ 失敗成本： $$ C_j^{fail}, $$ 與 verification 成本： $$ C_j^{verify}. $$ 總成本： $$ \boxed{ C_j^{total} = \lambda\cdot\mathbf C_j + C_j^{switch} + C_j^{fail} + C_j^{verify}. } $$ 其中 $\lambda$ 由 APR / system state 動態提供。 --- # 15. 效用 定義 realization path 對 obligation 的期望效用： $$ U_{ij} = w_i \left( Q_{ij} + S_{ij} + T_{ij} + P_{ij} \right) - C_j^{total}. $$ 其中： - $Q$：visual / perceptual quality； - $S$：structural fidelity； - $T$：temporal consistency； - $P$：provenance / recoverability； - $w_i$：obligation priority。 Compiler 目標可寫成： $$ \boxed{ \max_{\mathbf x} \sum_{i,j} U_{ij}x_j } $$ subject to： $$ Coverage_i\ge\tau_i, $$ $$ Cost_k\le B_k, $$ $$ Deadline_i\le d_i, $$ 以及： $$ \Gamma_t. $$ --- # 16. Hard Gate Before Optimization OSR 的重要原則： $$ \boxed{ \text{Governance before optimization}. } $$ 所以 compiler 流程不是先計分再排序。 而是： $$ \text{Candidate} \rightarrow \text{HardGate} \rightarrow \text{Scoring} \rightarrow \text{Scheduling}. $$ Hard Gate 可以檢查： - authority； - privacy； - world-truth boundary； - multiplayer fairness； - provider export； - required provenance； - safety； - content immutability； - deterministic-only mode。 這與 APR、MRMIC 與 MACR 類 runtime 的治理思想相容。 --- # 17. 編譯流程 本文提出 PRC v0.1 的十階段： ```text 1. Normalize obligations 2. Resolve world/capability revisions 3. Partition manifestation scopes 4. Generate candidate observation probes 5. Apply hard feasibility gates 6. Estimate utility and cost 7. Solve bounded allocation problem 8. Build dependency / verification DAG 9. Attach fallback and commit policies 10. Emit OSR-IR + plan receipt ``` 形式上： $$ \boxed{ \mathcal C_R = C_{emit} \circ C_{fallback} \circ C_{schedule} \circ C_{solve} \circ C_{score} \circ C_{gate} \circ C_{candidate} \circ C_{partition} \circ C_{resolve} \circ C_{normalize}. } $$ --- # 18. Normalize Obligations OSR-01 的 obligation 可能來自不同上游： - human goal； - APR policy； - game mode； - safety system； - accessibility； - cinematic director； - AI agent。 因此先轉成 canonical form： $$ \mu_i^{raw} \rightarrow \mu_i^{norm}. $$ Normalizer 必須處理： - overlapping scopes； - conflicting minimums； - duplicate requirements； - impossible deadline； - incompatible provenance； - contradictory forbidden modes。 若衝突不可解： $$ \boxed{ \text{CompileError}. } $$ 不能靜默選一個。 --- # 19. Partition 同一畫面不應只按矩形 ROI 分割。 OSR 支援： $$ \text{Partition} = f( \text{geometry}, \text{semantic}, \text{motion}, \text{material}, \text{goal}, \text{risk} ). $$ 因此區域可以是： - pixel tile； - object； - material group； - skeleton part； - semantic class； - motion layer； - screen region； - world region。 例如角色頭髮與皮膚即使相鄰，也可以屬於不同 realization scope。 --- # 20. Candidate Generation 對每個 scope，compiler 查詢 backend registry： $$ \text{Registry} \rightarrow \text{Capabilities}. $$ 這和現有 APR PluginRegistry 的方向一致：component registration 只宣告 factory，不應在 discovery 階段直接開網路、載入模型或啟動裝置。 因此 OSR backend discovery 應遵守： $$ \boxed{ \text{Discover Capability} \neq \text{Execute Capability}. } $$ 只有 plan 被選中並進入 execution，才允許昂貴初始化。 --- # 21. Provider-Neutral Core OSR core 不允許： ```text if provider == NVIDIA: ... elif provider == Google: ... ``` 成為核心架構。 正確方式是： $$ \text{BackendProtocol}. $$ 例如： ```text probe.mode = CLOUD_NEURAL backend.capability = neural_appearance_v1 ``` provider-specific adapter 再實現： $$ neural\_appearance\_v1. $$ 這使： $$ \boxed{ \text{OSR Core} \perp \text{Provider Identity}. } $$ --- # 22. Local Baseline Must Exist 如果 cloud neural 是唯一 renderer，一旦網路失效： $$ V_t\rightarrow\varnothing. $$ 這對互動系統通常不可接受。 因此第一代 OSR 要求至少存在： $$ R_{base}. $$ 滿足： $$ \boxed{ \text{CloudFailure} \Rightarrow \text{BaseManifestationRemains}. } $$ 對遊戲而言， $R_{base}$ 可以是： - raster； - PBR； - low-ray； - cached appearance。 AI enhancement 是增強層，不應成為基本世界存在的唯一前提。 --- # 23. Fallback Chain 每個非必要 backend 可附 fallback： $$ \phi_i = ( b_0 \succ b_1 \succ b_2 \succ \cdots ). $$ 但 fallback 不是「任何東西都可以代替」。 定義 semantic-equivalent fallback： $$ b_a \equiv_{\mu} b_b $$ 若兩者都滿足 obligation $\mu$ 的 minimum requirement。 因此： $$ \boxed{ \text{Fallback} } $$ 只允許沿： $$ \equiv_{\mu} $$ 或顯式 degraded relation 移動。 --- # 24. Degraded Mode 若沒有 backend 能滿足 preferred： $$ preferred_i, $$ 但仍能滿足： $$ minimum_i, $$ 則： $$ State_i = DEGRADED. $$ 如果連 minimum 都無法滿足： $$ State_i = BLOCKED. $$ 不能把： $$ BLOCKED $$ 標成： $$ SUCCESS. $$ 這是 OSR evidence semantics 的基本要求。 --- # 25. Verification Placement 對低風險 decorative detail，可以： $$ \text{Generate} \rightarrow \text{Visible}. $$ 對高影響內容則應： $$ \text{Generate} \rightarrow \text{Verify} \rightarrow \text{Visible}. $$ 若驗證失敗： $$ Verify=FAIL, $$ 則： $$ Commit=DENY. $$ 這與 PNCW： $$ PROJECTED \rightarrow VERIFIED \rightarrow VISIBLE $$ 的控制面自然接合。 --- # 26. Verification Class 第一代定義： $$ \text{VClass} \in \{ NONE, STRUCTURAL, IDENTITY, TEMPORAL, PROVENANCE, WORLD, MULTI \}. $$ 例如角色臉部 cloud enhancement： $$ \text{VClass} = IDENTITY + TEMPORAL + WORLD. $$ 純 background texture enhancement： $$ \text{VClass} = TEMPORAL $$ 可能就足夠。 --- # 27. Temporal Reuse 是一等 Backend 2026 年 ReSTIR 相關研究再次顯示，spatiotemporal reuse 可以顯著提高 real-time Monte Carlo rendering 的有效樣本利用率；LoD-aware ReSTIR 又進一步處理 topology 變化下的 reuse。 OSR 對這個思想作更一般化： $$ \boxed{ \text{Past Valid Work} } $$ 本身就是一種計算資源。 因此： $$ ReuseCredit_t(x) $$ 應進入 cost model。 只要： $$ Freshness(x)\ge\tau_F, $$ $$ MappingValidity(x)\ge\tau_M, $$ 就可以優先考慮 reuse。 --- # 28. Disocclusion 與 Invalid History temporal reuse 的核心風險是： $$ \text{HistoryInvalid}. $$ 例如： - disocclusion； - teleport； - sudden material change； - model swap； - animation discontinuity； - camera cut。 此時： $$ \text{Reuse} $$ 必須被 hard gate 阻止或降低 confidence。 所以： $$ \boxed{ \text{Temporal History} } $$ 是 evidence，不是不可質疑的 truth。 --- # 29. Neural Backend 的條件化輸入 TRON 類研究顯示： $$ \text{PBR / ray-traced structure} + \text{neural renderer} $$ 可以同時保留控制與提高 photoreal appearance。 DLSS 5 也使用 rendered frame、motion vectors、temporal state 與 artistic controls grounding generative rendering。 OSR 因此定義 neural probe 不應默認只輸入 RGB。 可輸入： $$ I_i = ( RGB, \text{Depth}, \text{Normal}, \text{Motion}, \text{Material}, \text{ObjectID}, \text{Semantic}, \text{History}, \text{Control} ). $$ Compiler 可以依 backend capability 選擇最小必要 carrier subset。 --- # 30. Cloud Export Boundary Cloud probe 額外存在： $$ \text{ExportScope}. $$ 令允許外送資料集合： $$ X_{allow}. $$ 則： $$ \boxed{ I_i \subseteq X_{allow} } $$ 必須在 network call 前成立。 若 region 包含： - private text； - unreleased asset； - secret debug overlay； - user identity； - restricted world state； 則即使 cloud renderer 品質最高，也可能： $$ F_{ij}=0. $$ 這是 authority gate，不是 cost penalty。 --- # 31. Cloud Latency Uncertainty Cloud latency 不是常數。 定義： $$ L_j \sim \mathcal D_j. $$ 若 deadline 為： $$ d_i, $$ 則可用： $$ P(L_j\le d_i) $$ 作為 feasibility / utility 的一部分。 例如： $$ P(L_j\le d_i)<\tau_L $$ 則不應把 cloud backend 放在 blocking critical path。 它可以改成： - speculative enhancement； - asynchronous late upgrade； - next-frame anchor； - background refinement。 --- # 32. Speculative Probe 某些 expensive probe 可以： $$ \text{start early} $$ 而不阻塞 baseline frame。 定義： $$ p_i^{spec}. $$ 例如系統預測玩家將走入房間： $$ P(enter\ room)>0.8. $$ 可以先計算： - cloud material anchor； - ray cache； - neural latent； - high LOD residency。 若玩家真的進入： $$ \text{Hit}. $$ 否則： $$ \text{Discard}. $$ 這是 rendering 版的 speculative execution。 但 speculation 必須有 budget cap。 --- # 33. Commit Policy OSR-IR 的 commit policy 定義何時 output 可以進入 visible state。 令： $$ C_i = ( \text{required nodes}, \text{verification}, \text{deadline}, \text{fallback}, \text{atomicity} ). $$ 例如： $$ C_{face} = ( \text{cloud output}, \text{identity verify}, 33ms, \text{local fallback}, \text{region atomic} ). $$ 這使 region 可以 atomic commit，而不必等整幀全部完成。 --- # 34. Region Atomicity 若臉部 cloud enhancement 完成，但 verification 尚未完成： $$ face=\text{not committed}. $$ 背景仍可： $$ background=\text{visible}. $$ 所以： $$ \boxed{ \text{FrameAtomicity} } $$ 不是唯一選擇。 可使用： $$ \text{RegionAtomicity}. $$ 這對 heterogeneous rendering 很重要。 --- # 35. Plan Patch 如果每一幀都重新 full compile： $$ C_{compile} $$ 可能過高。 因此 OSR-IR 支援 incremental plan patch。 定義： $$ P_t = P_{t-1} + \Delta P_t. $$ 若只有： - face moved； - hazard appeared； - cloud unavailable； 就只修改相關 subgraph。 所以： $$ \boxed{ \text{OSRCompiler} } $$ 更接近： $$ \text{incremental reactive compiler} $$ 而非每幀 cold compiler。 --- # 36. Recompile Trigger 至少包括： $$ \text{Trigger} \in \{ \text{GoalChange}, \text{WorldChange}, \text{RiskChange}, \text{UncertaintyChange}, \text{CapabilityChange}, \text{BudgetChange}, \text{Failure}, \text{DeadlineChange} \}. $$ APR 可以作為其中多個 trigger 的上游來源。 --- # 37. Stable Structural Plan 對穩定遊戲模式，可保留： $$ P^{skeleton}. $$ 例如： ```text face: raster base optional neural enhance identity verify background: reuse periodic refresh hazard: direct structured overlay ``` runtime 只動態填： - region； - depth； - frequency； - provider； - budget。 因此第一代 MVP 不需要做一個超昂貴 general-purpose planner。 --- # 38. Compiler Fast Path 若 scene / observer 沒有重大變化： $$ \text{FastPath}. $$ 流程可以是： ```text load previous plan check invalidation set patch affected scopes re-score only touched candidates emit delta plan ``` 目標： $$ C_{compile} \ll C_{render}. $$ --- # 39. Deterministic Mode 對測試與高風險場景，可以要求： $$ CompilerMode=DETERMINISTIC. $$ 同一： $$ (W,O,Q,\Gamma,K,B) $$ 應輸出相同： $$ P. $$ 若 neural backend 本身 stochastic，compiler 仍可： - 禁止； - 固定 seed； - 強制 verification； - 改用 deterministic fallback。 --- # 40. Exploration Mode 研究或非關鍵場景可以允許： $$ CompilerMode=EXPLORATORY. $$ 例如在低風險 background： - A/B backend； - adaptive quality； - speculative cloud； - novel neural mode。 但 exploration budget： $$ B^{explore} $$ 必須顯式存在。 不能偷用 blocking safety budget。 --- # 41. Plan Receipt 每次 compilation 輸出 receipt： $$ R_t^{plan}. $$ 至少記錄： - plan ID； - input revisions； - obligations； - selected paths； - rejected path reason； - budget； - capability versions； - policy revision； - fallback； - verification class。 這使「為什麼這裡用了 cloud AI」可以被回答。 --- # 42. Execution Receipt 執行後： $$ R_t^{exec} $$ 記錄： - actual latency； - actual cost； - success / failure； - fallback taken； - output hash； - verification result； - visible commit state。 這些資料會成為 OSR-07 benchmark 的基礎。 --- # 43. 第一個演算法 下面給出 PRC v0.1 的抽象演算法： ```text function compile_osr(world, observer, obligations, capabilities, budget, policy): U = normalize(obligations) assert_authority(world, observer, policy) scopes = partition(U, world) candidates = [] for scope in scopes: probes = generate_probes(scope, capabilities) legal = hard_gate( probes, authority=observer.authority, policy=policy, provenance=scope.provenance, privacy=scope.export_rules, ) scored = estimate( legal, world=world, observer=observer, budget=budget, ) candidates.append(scored) selected = bounded_solver( candidates, obligations=U, budget=budget, mandatory=policy.mandatory, ) graph = build_dependency_graph(selected) graph = insert_verification_gates(graph) graph = attach_fallback_chains(graph) graph = schedule(graph, deadlines=U.deadlines) return emit_osr_ir(graph) ``` 這不是 production implementation。 但它明確給出 compiler responsibility。 --- # 44. Bounded Solver 第一代不必追求 NP-hard exact global optimum。 可以使用： 1. hard-gate pruning； 2. mandatory-first allocation； 3. greedy marginal utility； 4. local repair； 5. budget closure。 定義： $$ Score(p) = \frac{ ExpectedGain(p) }{ ExpectedCost(p)+\epsilon }. $$ 先滿足 mandatory obligations，再依： $$ Score(p) $$ 分配剩餘資源。 如果 budget 超標： $$ BudgetViolation>0, $$ 則依： $$ \text{lowest marginal utility} $$ 降級。 --- # 45. Minimal Global Disturbance 若單一 region 出現問題，不應重編整個世界。 定義 affected dependency cone： $$ Cone(x). $$ 修正只允許優先在： $$ Cone(x) $$ 內進行。 因此： $$ \boxed{ \text{Maximum Local Precision} + \text{Minimum Global Disturbance}. } $$ 這與現有 EveMissLab 極小化修復思想一致。 --- # 46. 例一：角色對話 世界： $$ W_t. $$ obligations： $$ \mu_{face}, \mu_{body}, \mu_{background}, \mu_{subtitle}. $$ compiler 可能輸出： $$ face: RASTER \rightarrow CLOUD\_NEURAL \rightarrow IDENTITY\_VERIFY. $$ $$ body: RASTER \rightarrow LOCAL\_NEURAL. $$ $$ background: REUSE \rightarrow \text{periodic BUFFER VERIFY}. $$ $$ subtitle: STATE \rightarrow UI. $$ 這裡同一幀已經有四條不同 realization path。 --- # 47. 例二：雲端失效 若： $$ CloudStatus=DOWN, $$ 則： $$ F_{face,cloud}=0. $$ compiler patch： $$ CLOUD\_NEURAL \rightarrow LOCAL\_NEURAL. $$ 若 local quality 仍滿足： $$ minimum_{face}, $$ 則： $$ State=DEGRADED. $$ 而不是： $$ \text{FrameFailure}. $$ --- # 48. 例三：危險突然出現 hazard obligation： $$ \mu_H. $$ 具有： $$ deadline\approx0, $$ $$ mandatory=TRUE. $$ 即使 cinematic mode 原本給 hazard region 低 priority， Hard Gate 仍強制： $$ Visibility(H)\ge v_{min}. $$ 所以 observer style 不可覆寫 safety obligation。 --- # 49. 例四：3070 + Cloud AI 本地 RTX 3070： $$ R_{base} = RASTER + \text{limited RAY}. $$ 雲端： $$ R_{cloud} = CLOUD\_NEURAL. $$ OSR compiler 不把 cloud 放在每幀 critical path。 而是產生： $$ \text{local base} \rightarrow \text{visible}, $$ 同時： $$ \text{cloud anchor} \rightarrow \text{verify} \rightarrow \text{late/next commit}. $$ 顯示頻率： $$ f_{display} = 60\text{--}144Hz, $$ cloud update： $$ f_{cloud} \ll f_{display}. $$ 中間由： - local motion； - reprojection； - reuse； - local neural； 維持。 --- # 50. 例五：不需要視覺 若 AI agent 只問： $$ q= \text{door open?} $$ 且 authoritative state 已存在： $$ \text{door.state}=\text{open}, $$ 則 compiler 可以： $$ STATE $$ 直接滿足 obligation。 所以： $$ \boxed{ \text{No Rendering} } $$ 也可以是合法的 perceptual rendering decision。 這再次說明 OSR 處理的是顯現需求，而不是強迫一切變成 pixels。 --- # 51. 與 Active Perception 的進一步接合 Active visual perception 強調系統可以依 goal / uncertainty 主動改變 sensing action。 OSR-02 可以把 active sensing 也寫成 probe： $$ m_i=SENSOR\_MOVE $$ 或： $$ m_i=REOBSERVE. $$ 未來完整閉環可以是： $$ \text{ManifestationNeed} \rightarrow \text{AcquireMoreEvidence} \rightarrow \text{UpdateWorldBelief} \rightarrow \text{RecompileRenderPlan}. $$ 但 OSR-02 v0.1 暫時不要求 physical embodiment。 --- # 52. 與 Foveated Rendering 的關係 Foveated rendering 可以視為一個非常有效的 predefined compiler policy： $$ \text{Eccentricity} \rightarrow \text{ShadingRate}. $$ OSR 則擴展成： $$ ( \text{Eccentricity}, \text{Goal}, \text{Risk}, \text{Semantics}, \text{Uncertainty}, \text{History}, \text{Budget} ) \rightarrow \text{ProbeGraph}. $$ 所以： $$ \boxed{ \text{Foveated Policy} } $$ 可以作為 OSR compiler 的一個 plugin。 --- # 53. 與 ReSTIR 的關係 ReSTIR 的核心價值之一，是提高有限 light-transport sample 的利用率並跨 space / time reuse。 OSR 不重新發明 ReSTIR。 它只把： $$ \text{ReSTIR} $$ 視為： $$ RAY/PATH $$ realization 族中的高效 backend。 LoD-aware ReSTIR 顯示，不同 geometry representation 甚至可以在 temporal reuse 下被協調。 這支持 OSR 的更一般命題： $$ \boxed{ \text{Representation level and reuse policy can be co-designed.} } $$ --- # 54. 與 TRON 的關係 TRON 將 PBR / ray-traced physical condition 與 single-step neural renderer 組合。 OSR 對它的抽象： $$ RAY/PBR \rightarrow NEURAL. $$ 這正是一條 probe composition path。 但 OSR compiler 還允許： $$ RASTER \rightarrow NEURAL, $$ $$ REUSE \rightarrow NEURAL, $$ $$ STATE \rightarrow SEMANTIC, $$ 以及： $$ NO\_CLOUD. $$ 因此 TRON-like architecture 是 OSR 的一個可選 realization pattern。 --- # 55. 與 DLSS 5 的關係 DLSS 5 已將 generative neural rendering 放入 real-time final-appearance stage，並以 current rendered frame、motion vector、temporal state 與 artistic controls 進行 grounding。 OSR-02 不試圖重建其模型。 它只把這類能力描述成： $$ K_{DLSS5-like} = ( \text{type}=LOCAL\_NEURAL, \text{inputs}, \text{outputs}, \text{latency}, \text{determinism}, \text{temporal}, \text{controls} ). $$ 是否呼叫它、對哪個 scope 呼叫、何時 fallback，屬於 compiler policy。 所以： $$ \boxed{ \text{Neural Renderer} \neq \text{Rendering Policy}. } $$ --- # 56. 與 Render Graph 的關係 現代引擎 Render Graph 通常管理： - resource dependency； - pass ordering； - lifetime； - synchronization； - barriers。 OSR-IR 管的是更高層： - obligation； - observer purpose； - backend choice； - provenance； - authority； - verification； - fallback。 因此未來 lowering 可以是： $$ OSR\text{-}IR \rightarrow \text{EngineRenderGraph} \rightarrow \text{GPUCommands}. $$ 而不是取代既有低階 graphics scheduling。 --- # 57. Compiler Lowering 可分三層： $$ OSR\text{-}SemanticIR $$ $$ \downarrow $$ $$ OSR\text{-}ExecutionIR $$ $$ \downarrow $$ $$ \text{BackendNativeGraph}. $$ SemanticIR 保留： - why； - obligation； - truth class； - provenance。 ExecutionIR 保留： - concrete backend； - buffers； - region； - deadline； - dependency。 BackendNativeGraph 才變成： - Vulkan； - DX12； - CUDA； - provider request。 --- # 58. 不做「萬能 Compiler」 OSR Compiler 不需要一開始就理解所有 renderer。 正確工程策略是： $$ \boxed{ \text{small core} + \text{explicit plugins}. } $$ APR 現有 PluginRegistry 已提供一個可借用的工程模式：plugins 宣告 component factory，network、subprocess、model load 等昂貴或高副作用操作延遲到 component 實際建立或呼叫時。 OSR 可以沿用相同原則。 --- # 59. 第一代 Plugin Namespace 建議： ```text osr.backend.raster osr.backend.ray osr.backend.path osr.backend.reuse osr.backend.local_neural osr.backend.cloud_neural osr.backend.semantic osr.verifier osr.cost_model osr.partition osr.scheduler ``` 每個 plugin 必須提供 capability descriptor。 --- # 60. Compilation Failure Is a Valid Result 若不存在合法 plan： $$ \mathcal P_{\text{feasible}}=\varnothing, $$ compiler 必須回： $$ \boxed{ \text{NO\_FEASIBLE\_PLAN}. } $$ 並指出： - 哪個 obligation 無法滿足； - 哪個 gate 擋住； - 哪個 budget 不足； - 哪個 capability 缺失。 不能 hallucinate 一個 renderer。 --- # 61. Research Hypotheses ## H1｜Probe Generality Observation Probe 能以單一 contract 表示： - direct state； - raster； - ray； - reuse； - neural； - semantic； - verification。 若大量 backend 需要完全不同的語義核心，Probe abstraction 失敗。 --- ## H2｜Compiler Value 存在 workload 使： $$ C_{OSR} < C_{uniform} $$ 同時： $$ Q_{OSR} \ge Q_{uniform}^{min}. $$ --- ## H3｜Incremental Compilation 在持續場景中： $$ C_{\Delta compile} \ll C_{full compile}. $$ --- ## H4｜Fallback Robustness 當高階 backend 失效： $$ \text{Availability}\downarrow, $$ 系統仍能維持： $$ \text{MinimumManifestation}. $$ --- ## H5｜Provenance-Preserving Heterogeneity 混合不同 backend 後，系統仍能回答每個 visible region 的來源與 transformation lineage。 --- # 62. 可反證條件 ## F1｜Probe Explosion 若每個 renderer 都需要全新 probe schema，無法被共享欄位描述，則 Observation Probe 過度抽象。 ## F2｜Compiler Overhead 若： $$ C_{compile} \ge C_{saved-render} $$ 在大部分目標場景成立，則 PRC 不值得。 ## F3｜Plan Instability 若微小輸入變化造成大量 backend thrashing： $$ \Delta \text{input} \rightarrow \text{huge}\ \Delta \text{plan}, $$ 則需要 hysteresis 或 stability penalty。 ## F4｜Fallback Semantic Drift 若 fallback 經常導致： $$ minimum_i $$ 被破壞卻仍被標為成功，fallback 模型失敗。 ## F5｜Verification Bottleneck 若 verification 成本使 neural / heterogeneous rendering 優勢完全消失，則需要縮小 verification scope 或使用 deterministic structural constraints。 ## F6｜Provider Coupling 若 OSR core 最後仍與單一 provider API 深度綁定，provider-neutral abstraction 失敗。 --- # 63. 第一代 OSR-IR v0.1 最小欄位 建議 JSON-equivalent schema： ```text plan: id version world_revision observer_revision policy_revision obligations: id scope minimum preferred deadline provenance forbidden_modes nodes: id probe_mode backend inputs outputs scope budget deadline authority edges: from to relation verification: node class threshold on_fail fallbacks: node chain commit: scope required_nodes atomicity receipts: required_fields ``` MVP 不需要更多。 --- # 64. OSR-02 最小 acceptance criteria 第一個 compiler prototype 至少要通過： 1. 相同 input 可 deterministic emit 同 plan； 2. mandatory obligation 不會被低 priority optimization 移除； 3. cloud backend 不可用時能自動選合法 fallback； 4. 禁止 cloud export 的 scope 不會產生 cloud node； 5. reuse 過期時會 invalid； 6. verification gate 失敗時不會 commit； 7. plan receipt 可解釋 backend 選擇； 8. incremental patch 不修改無關 scope； 9. budget 超標時能產生 degraded plan 或 NO_FEASIBLE_PLAN； 10. provider plugin discovery 不自動觸發 network。 --- # 65. 與 APR 現行 Runtime 的工程對齊 APR 目前已具有： - `adapter`； - `source`； - `semantic_inspector`； - `image_generator`； - `policy`； - `event_handler`； - `persistence`； 等 plugin namespace，並以顯式 component creation 避免 discovery 階段就啟動 network / model / device。 因此 OSR MVP 不必重新做一個獨立巨型 plugin framework。 可以： $$ APR.PluginRegistry \rightarrow OSR.ComponentRegistryAdapter. $$ 或者先直接使用 APR registry。 這會降低第一代工程成本。 --- # 66. 與 PNCW 的工程對齊 PNCW 已有： $$ REQUESTED \rightarrow RESOLVED \rightarrow READY \rightarrow PROJECTED \rightarrow VERIFIED \rightarrow VISIBLE. $$ 因此 OSR compiler 可以停止於： $$ \text{READY plan}. $$ execution 完成後再交： $$ PROJECTED. $$ verification 後： $$ VERIFIED. $$ 最後： $$ VISIBLE. $$ 這讓 OSR 不需要自創第二套 visibility state machine。 --- # 67. 與 MRMIC/NVCL 的工程對齊 MRMIC 已有 provider-owned resource / Canvas projection 的 authority separation。 OSR 只需要讓 backend output 進入： $$ native\_resource\_portal $$ 或未來對應 projection surface。 NVCL 則可作為： $$ \text{Visible} \rightarrow \text{Observe} \rightarrow \text{Delta} \rightarrow \text{Repair}. $$ 所以 compiler output 不是 workflow 終點。 它仍然在閉環內。 --- # 68. 從 OSR-02 到 OSR-03 OSR-02 已定義： $$ \text{Probe}, \text{BackendCapability}, OSR\text{-}IR, \text{Compiler}. $$ 但還沒有仔細回答： > Raster、Ray、Path、Reuse、Local Neural、Cloud Neural、Semantic 之間，到底如何比較、組合與互相替代？ 這正是 OSR-03。 --- # 69. 核心命題集 ## P1｜Ray Subsumption $$ \boxed{ \text{RayProbe} \subset \text{ObservationProbe}. } $$ --- ## P2｜Probe–Backend Separation $$ \boxed{ \text{Probe} \neq \text{Backend}. } $$ --- ## P3｜Provider Neutrality $$ \boxed{ \text{OSRCore} \perp \text{ProviderIdentity}. } $$ --- ## P4｜Hard Gate Priority $$ \boxed{ \text{Governance} \rightarrow \text{Optimization}. } $$ 而不是： $$ \text{Optimization} \rightarrow \text{Governance}. $$ --- ## P5｜Heterogeneous Plan $$ \boxed{ \text{OneFrame} \not\Rightarrow \text{OneRenderer}. } $$ --- ## P6｜Temporal Reuse as Compute $$ \boxed{ \text{PastValidWork} = \text{ReusableComputeAsset}. } $$ --- ## P7｜Verification Before Commit 對需要驗證的 scope： $$ \boxed{ \text{Projected} \rightarrow \text{Verified} \rightarrow \text{Visible}. } $$ --- ## P8｜Fallback Semantics $$ \boxed{ \text{Fallback} \Rightarrow \text{MinimumObligationStillSatisfied}. } $$ --- ## P9｜Incremental Compilation $$ \boxed{ P_t = P_{t-1} + \Delta P_t. } $$ --- ## P10｜No Feasible Plan Is Valid $$ \boxed{ \mathcal P_{\text{feasible}}=\varnothing \Rightarrow \text{NO\_FEASIBLE\_PLAN}. } $$ --- # 70. 結論 傳統 graphics pipeline 很自然地讓人從： $$ \text{ray}, \text{shader}, \text{buffer}, \text{texture} $$ 開始思考。 但 OSR-01 已經指出，這些都太晚了。 在它們之前還有： $$ \text{Observer} \rightarrow \text{Goal} \rightarrow \text{ManifestationObligation}. $$ OSR-02 再進一步指出： > 即使知道要顯現什麼，也不應立刻把問題綁死到某種 renderer。 真正需要的是一個中間層： $$ \boxed{ \text{ManifestationObligation} \rightarrow \text{ObservationProbe} \rightarrow \text{RenderPlan}. } $$ Ray tracing 在這裡沒有消失。 它只是回到更準確的位置： $$ \boxed{ \text{Ray tracing is one powerful realization of an observation probe, not the universal language of manifestation.} } $$ 同理，neural rendering 也不是終點。 Cloud AI 也不是終點。 真正的上位系統必須能決定： - 是否需要它； - 哪裡需要； - 需要到什麼程度； - 可否 reuse； - 是否必須 verification； - 失效後如何回退； - 哪些資料有權送出去； - 最後何時可以 visible commit。 因此 OSR 的第二個核心結論是： $$ \boxed{ \text{AI-native rendering needs a compiler, not only a better renderer.} } $$ 這個 compiler 不是把 shader source 編譯成 GPU ISA。 它編譯的是： $$ \boxed{ \text{observer-relative manifestation requirements} } $$ 成為： $$ \boxed{ \text{bounded, heterogeneous, verifiable rendering work}. } $$ 這就是 Perceptual Rendering Compiler。 --- # 71. 下一篇 # OSR-03 ## 《異質渲染場：Raster、Ray、Neural、Semantic 與 Reuse 的統一選擇》 下一篇將研究： $$ \mathcal R = \{ RASTER, RAY, PATH, REUSE, LOCAL\_NEURAL, CLOUD\_NEURAL, SEMANTIC \} $$ 之間的： - capability space； - substitution relation； - composition； - quality/cost frontier； - temporal behavior； - hybrid architecture； - backend switching； - domain-specific strengths。 並回答： $$ \boxed{ \text{When should each renderer exist?} } $$ --- # 參考資料 ## EveMissLab / OSR 與既有 Runtime 1. Neo.K. *從萬能光到觀察者主權渲染：理論譜系重構與研究綱領*. OSR-00, v0.1, 2026. 2. Neo.K. *我們到底想看什麼？觀察者、目的與顯現場*. OSR-01, v0.1, 2026. 3. EveMissLab. *APR — Adaptive Perceptual Reading / Agentic Perception Runtime*. https://github.com/kakon77777-commits/APR 4. EveMissLab. *APR Plugin API*. https://github.com/kakon77777-commits/APR/blob/main/docs/PLUGIN_API.md 5. EveMissLab. *PNCW — Projection-Native Computational World*. https://github.com/kakon77777-commits/PNCW 6. EveMissLab. *MRMIC/NVCL*. https://github.com/kakon77777-commits/MRMIC_NVCL ## 外部研究 7. Li, Y., Guo, X., Zhang, H., Li, S., & Dai, X. *Active Visual Perception: Opportunities and Challenges*. arXiv:2512.03687, 2025. https://arxiv.org/abs/2512.03687 8. Zhang, Z., Gai, M., & Li, S. *Visual Acuity Consistent Foveated Rendering towards Retinal Resolution*. arXiv:2503.23410, 2025. https://arxiv.org/abs/2503.23410 9. Wang, Y.-C., Kettunen, M., Lin, D., Wyman, C., Wu, L., & Zhao, S. *Real-Time Level-of-Detail Rendering with ReSTIR*. SIGGRAPH 2026. https://research.nvidia.com/labs/rtr/publication/wang2026levelofdetail/ 10. Lin, D., Kettunen, M., & Wyman, C. *ReSTIR PT Enhanced: Algorithmic Advances for Faster and More Robust ReSTIR Path Tracing*. I3D 2026. https://research.nvidia.com/labs/rtr/publication/lin2026restirptenhanced/ 11. Hong, P., Zhang, S., Lin, D., Kettunen, M., Wyman, C., & Yuksel, C. *Multi-Layer Reservoir Splatting for Temporal Reuse under Disocclusion*. SIGGRAPH 2026. https://research.nvidia.com/labs/rtr/publication/hong2026multilayer/ 12. Perel, O., et al. *TRON: Tracing Rays to Orchestrate a Neural Renderer for 3D Gaussian Reconstructions*. arXiv:2606.11314, 2026. https://research.nvidia.com/labs/sil/projects/tron/ 13. NVIDIA ADLR. *DLSS 5: Generative Neural Rendering*. 2026. https://research.nvidia.com/labs/adlr/DLSS5/ --- # 附錄 A｜OSR-02 一句話版本 > **OSR-02 把 ray 從渲染的第一級原語降為 Observation Probe 的一種 realization，並提出 Perceptual Rendering Compiler：將 OSR-01 產生的 Manifestation Obligations 編譯成可執行、可驗證、可回退、可跨 Raster／Ray／Neural／Cloud／Reuse 的 heterogeneous render plan。**