张光裕;吴瑕;毛天福;

三维重建是计算机视觉的核心任务之一，对于理解和分析现实世界的视觉信息至关重要，为提高三维重建的质量，研究提出一种基于多损失融合优化的PatchMatchNet三维重建算法。该算法在分析PatchMatchNet原理的基础上，引入四面体网格与图割算法，在不同尺度特征图上迭代优化生成深度图，并采用方差处理进行多视图一致性度量。通过将L1损失、结构相似性(structural similarity, SSIM)损失、光度一致性损失与平滑损失加权求和，构建最终损失函数Loss并集成至PatchMatchNet中。经实验测试实现了高相似性的三维重建结果，最终损失函数的精确度分别比SSIM损失、平滑损失、光度一致性损失函数高5.14%、6.81%和7.33%。且与DeepMVS、Vis-MVSNet等先进方法相比，本文方法在精确度、完整度、均方根误差(root mean square error, RMSE)、平均绝对误差(mean absolute error, MAE)及训练效率上均有提升。设计的基于多损失融合优化的PatchMatchNet三维重建算法能够提升重建模型的精度和完整度，并且达到更快的训练速度，对视觉分析发展具有良好的推动作用。

2026年04期 v.23;No.110 50-58页 [查看摘要][在线阅读][下载 1270K]