內容簡介：三維重建在計算機視覺與人工智能、醫(yī)學影像、建筑與城市規(guī)劃等領域中至關重要。針對傳統(tǒng)手工建模效率低下的問題，提出一種基于神經(jīng)輻射場的多尺度融合和注意力機制的方法。該方法引入了多尺度特征模塊，并結合圖卷積網(wǎng)絡增強了網(wǎng)絡對空間結構的理解，從而精確捕捉局部與全局的幾何關系。多尺度特征模塊能夠在不同層次上提取信息，改善細節(jié)重建的準確性和全面性，進而提升整體重建質量。此外，為了進一步提高模型的魯棒性與精度，通過引入特征金字塔網(wǎng)絡，確保網(wǎng)絡在不同尺度下均能有效捕捉重要信息，尤其是在復雜場景中能夠避免細節(jié)丟失。結合SE注意力機制，模型能夠自適應地對圖像中的關鍵區(qū)域進行聚焦，增強重要特征的表現(xiàn)，提升了在復雜環(huán)境下的重建效果。實驗結果表明，該方法在自建建筑物數(shù)據(jù)集上的結構相似性、峰值信噪比和感知損失分別為0.784、25.42、0.183，較NeRF模型分別提升了4.39%、3.29%、15.84%，能夠更好地處理復雜的重建任務，為各類應用領域中的三維重建提供了一個新思路。