真实世界里,很多材质都不是平坦的,中观尺度上有着复杂的自遮蔽、自反射等物理现象。针织衫温暖的质感、毛毡绒绒的质感,是中观尺度上光线在表面复杂物理过程产生的效果。在图形学的应用领域,如何渲染出足以欺骗肉眼的逼真场景一直是研究的重点。真实感渲染是目前许多行业,比如大型游戏、影视剧特效和广告等行业所追求的目标。要实现逼真的渲染,通常有两类方法:一类是用计算机对复杂的光线传播进行数学建模,要达到精密的建模,需要复杂的模型和巨大的计算开销,对计算设备的硬件要求较高;另一类方法从真实世界直接采集不同材质在不同光源视角下的反射率列表,用于渲染,不必须考虑复杂的光线传播流程,经典的方法有数据驱动的双向反射分布函数（BRDF）模型和数据驱动的双向纹理函数（BTF）模型,测量数据拥有高度的真实感,然而这种方法需要GB级别的存储,难以在实际生产中应用。因此,BTF材质的降维技术成为了一个重要的课题。本文的创新点如下:1、使用离散的BTF材质数据进行真实感渲染时,需要对光源方向、视角方向和位置方向做查询操作,产生了大量的插值需求。此外,渲染的过程中,测量的BTF材质中绝大多数条目的数据都不会被访问,在渲染的时候却被要求读取进内存,产生了大量的空间浪费。因此,一种既可以降低存储,又可以减少插值计算的BTF压缩方法需要被提出来。本文的工作受到神经BTF压缩和插值工作的启发。这些体系结构使用编码器将六维的BTF材质转换为潜在的低维流形。在这些工作里,每个BTF数据不同位置的ABRDF被分别处理,BTF材质在位置上具有相似性,因此压缩后的数据在位置方向上仍然存在着大量的冗余信息。相比之下,本文提出一种基于Resnet的BTF整体压缩方法,将BTF的位置、观察方向和照明方向信息一同编码进潜在的向量空间,在渲染过程中可以实现平滑的内插值和外插值,简化了渲染的过程。本文的方法可以恢复出测量材质的大部分真实细节,提高了 BTF材质134%的压缩比例,还缩短了 12%渲染的时间。2、采集BTF材质需要大量的时间成本和存贮成本,可编辑性的压缩方法可以在有限的BTF材质库中,生成多种真实感材质,有助于从业者进行二次创作。在高质量压缩的前提下,保持BTF材质的可编辑性也是一个研究难点。对此本文还提出了一种基于BTF材质的SVBRDF生成网络,这种方法通过基于残差网络的编码器将ABRDF映射到一组SVBRDF参数向量上,每个位置的SVBRDF参数向量拼接,组成SVBRDF的漫反射、法线、镜面反射和粗糙度四张贴图,本方法讨论了通过神经网络将BTF材质映射到SVBRDF贴图上的可能性,得到了一定的进展。