随着计算机硬件的飞速发展,为了得到极具真实感的图像,基于物理的渲染技术在游戏、影视等领域都得到了广泛的应用。其中实时渲染与离线渲染是两种主要的物理渲染方式,在渲染方法、渲染效率以及渲染质量上有很大的差异。对于类似次表面散射的复杂材质来说,实时渲染速度快但质量欠佳,离线渲染速度慢但渲染质量很高。为了加快复杂材质的渲染速度而不影响渲染的质量,本文主要从纹理优化方向上来研究复杂渲染的优化,结合深度学习与可微渲染管线的方法来对高质量的离线渲染进行简化计算。通过改进可微渲染管线与添加神经网络,来压缩高质量的渲染信息到纹理之中,使用简单的渲染算法即可快速近似复杂材质的渲染结果。本文的研究方法主要包含两部分。第一部分是固定视角的渲染学习,另一部分是对新视角复杂材质渲染效果的预测。对于固定视角的渲染学习,本文参考了实时渲染中对次表面散射材质的渲染方法,改进现有的可微渲染管线,添加环绕光照与预积分纹理来保存次表面散射的信息。单视角的纹理优化方法学习的渲染质量较原可微管线得到了很大提升,使用基础的基于物理渲染的纹理加预积分纹理进行着色得到的渲染图像能够逼近离线渲染的参考图像。对于新视角的渲染学习,本文在单视角纹理优化方法的基础之上,结合深度学习与渲染方法,添加神经纹理与对应的神经纹理学习网络来编码各个输入视角的离线渲染信息。在对新视角的预测上,采样训练好的神经纹理即可进行预测渲染。本文通过设计实验对比与验证得出,使用神经纹理的新视角纹理优化算法不仅能够对新视角的渲染进行合理的预测,还能够保持实时渲染的速度。并且因为结合了可微管线,可以自定义管线的计算方式,添加不同的实时算法,对其他材质也有很好的泛化性。