随着科技进步和生活水平提高,人们对居住环境提出了更高级别的定制需求,互联网家装平台应运而生。近年来,国内外家装在线设计软件层出不穷,但设计软件界面上的展示无法兼顾即时响应要求和渲染效果要求,因此渲染系统成为在线家装平台不可或缺的重要组成部分。室内家装场景复杂多变,渲染流程自动化面临诸多挑战,在此背景下,设计一套完备的渲染系统极有必要。课题以北京某互联网家装设计平台的设计软件为依托,设计实现了一套基于计算机集群的高效室内场景渲染系统。本文就家装行业现状以及互联网家装发展情况开展精准调研,并深入分析了室内场景渲染系统的实际需求。在业务处理层面,结合功能需求设计了一套全自动渲染系统,该系统能够自动生成渲染场景,自适应调整灯光,自动设置渲染参数。在系统设计层面,针对渲染任务多而计算资源有限的情况,设计了完备的渲染任务调度系统和任务监控系统。渲染速度是本系统效率瓶颈,为提升渲染速度,本文调研了近年来渲染加速相关的文献,结合系统实际情况提出了一种基于kernel_splating的深度学习降噪算法。算法解析渲染算法的辅助特征缓冲区获得额外的输入特征,使用基于UNet网络的深度神经网络计算滤波核,使用kernel_splating策略进行图像重建。本文使用系统中的真实场景进行对比实验以验证算法的有效性,实验证明,在大多数场景中本算法的降噪效果,并能兼顾降噪效果和降噪速度。为处理上述算法在特别复杂光照环境场景下表现不佳的情况下,提出了一种基于特征分解的渲染降噪算法,该算法将输入特征按照规则分为四个部分,对每个部分分别降噪,再使用这四个部分合成最后的结果。实验证明改进的算法在处理复杂光照环境场景也能得到较好的降噪结果。