內容簡介：三維重建在計算機視覺與人工智能、醫學影像、建筑與城市規劃等領域中至關重要。針對傳統手工建模效率低下的問題，提出一種基于神經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，并結合圖卷積網絡增強了網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絡，確保網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域進行聚焦，增強重要特征的表現，提升了在復雜環境下的重建效果。實驗結果表明，該方法在自建建筑物數據集上的結構相似性、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。
