A reconstrução 3D com poucas vistas requer apenas menos vistas para recuperar a forma geométrica tridimensional do objeto ou cena. Porém, devido à cobertura insuficiente de diferentes ângulos e à falta de informações suficientes para restaurar com precisão a cena 3D, pode resultar em resultados de reconstrução imprecisos ou borrados, especialmente para cenas com estruturas geométricas complexas difíceis de capturar. Este artigo propõe uma estrutura baseada em campos de radiação neural, utilizando um tensor de custo preciso para associar informações de profundidade do primeiro plano e do fundo para resolver o problema do desfoque estrutural. Primeiro, uma rede piramidal é utilizada para extrair características locais do primeiro plano e do fundo, fortalecendo a captura de detalhes da cena, e é introduzido um mecanismo de autoatenção para garantir o foco nas áreas-chave durante a extração de características. Em seguida, através do módulo de campo receptivo adaptativo, realiza-se a transmissão suave da escala das características para construir um tensor de custo de características preciso. Por fim, é introduzida uma perda de similaridade estrutural aleatória, utilizando pixels de áreas locais como supervisão global em vez da supervisão ponto a ponto por pixel, para capturar de forma mais abrangente as informações estruturais na cena. Nas bases de dados DTU, LLFF e NeRF, o PSNR foi melhorado em 0,48 dB, 0,1 dB e 0,47 dB respectivamente, e os dados experimentais mostram que o método proposto pode resolver eficazmente o problema do desfoque estrutural causado pela falta de informações na reconstrução 3D com poucas vistas.

reconstrução 3D; campos de radiação neural; tensor de custo de características; desfoque estrutural