基于深度学习的三维重建方法综述

作者：李婉芸 Li Wanyun, 张雅声 Zhang Yasheng, 方宇强 Fang Yuqiang, 朱沁雨 Zhu Qinyu, 祝新力 Zhu Xinli · 发表于：Laser & Optoelectronics Progress · 年份：2025 · DOI：10.3788/lop242030 · 被引用次数：5 · 研究领域：3D Shape Modeling and Analysis、Computer Graphics and Visualization Techniques、Advanced Numerical Analysis Techniques

随着深度学习技术的迅猛发展，三维重建成为计算机视觉领域的重要研究方向，并取得了显著突破。本文综述了深度学习在三维重建中的应用与最新进展，深入探讨了该领域的多种技术方法和前沿趋势。通过大规模数据集训练后，深度学习能够自动提取图像中的特征，从而实现对三维形状的精确重建。本文介绍了基于深度学习的三维重建方法，这些方法包含显式表示、隐式表示两类不同的表示方式。此外，本文还介绍了经典的三维重建数据集，这些数据集为深度学习模型的训练和验证提供了宝贵的数据资源。最后，本文对三维重建的研究方向进行了总结与展望。