数字创意产业是以现代信息技术为基础,将文化创意和设计服务融入其中的新兴产业,其主要的应用体现在虚拟现实、产品可视化、动漫和电影特效等方面。目前,数字创意产业的发展主要是向着更具真实感的方向发展,因此三维场景在规模上增长迅速,光照模型上更加贴近自然,由此造成场景的复杂度越来越大,场景数据的规模可能达到TB级别。这样的渲染对大规模场景数据的存储和视觉特效提出了新的要求。衡量高真实感渲染的两个重要指标分别是渲染质量和渲染速度,国际上对高真实感渲染研究也主要集中在这两个方面。在渲染质量上的研究主要集中在对物理光学的仿真模拟,由于全局光照模型精确地模拟场景中所有可能情况的光照,所以全局光照算法可以生成相片级别的真实感图像,是实现真实感绘制的核心。光路追踪是实现全局光照绘制的基本方法之一,可以计算大部分的全局光照效果,但是由于绘制算法计算量大,进行并行加速是必要的研究工作之一。同时,为了提升渲染质量和营造特效,对场景建模的细腻程度和场景规模也在不断扩大,而一般基于物理的高度真实感渲染中的全局光照计算需要使用整体场景数据,因此大规模场景的绘制会存在内存瓶颈问题。在渲染速度上,并行绘制是对高度真实感渲染的加速主要手段。目前,国内外的研究主要集中在基于GPU或英特尔集成众核架构上的并行绘制,缺乏对异构众核架构的普适处理,同时可扩展性比较低,能处理的场景规模比较受限,因此研究高效、可扩展的高度真实感并行渲染加速对于数字创意产业有重大意义。针对大规模场景镜头渲染存在的数据密集和计算密集两大难题,本文主要提出了多层级任务划分以及相应的多级任务调度,并根据连续帧渲染间任务的数据相关性作出优化,将场景镜头进行动静态划分,加速镜头渲染。本文采用分布式存储场景数据,将渲染计算任务多层级划分进行多级任务调度。同时为了充分利用神威·太湖之光的计算资源,采用平台特有的加速线程库进行计算加速。对于渲染镜头的连续帧之间,有静态场景数据每帧之间一致,因此根据这个特性对节点划分与加载场景数据进行优化。随着场景镜头规模的扩大,绘制的节点数增多,节点的稳定性随着时间开始下降,因此大规模场景镜头的并行渲染必然需要进行容错处理,需要对渲染结果正确性提供进一步保障。本文研究了相关容错处理,以期望在节点出错时发现错误,重启任务后能继续上一次任务进度。