近日，计算机学院曾碧教授团队在模式识别与人工智能领域取得重要研究进展，相关研究成果以题为《Mitigating single-view constraints for robust 3D reconstruction》的论文正式发表于 SCI 一区期刊Pattern Recognition，该创刊于1968年的国际权威期刊，是计算机科学、模式识别与计算机视觉领域公认的SCI一区TOP顶刊，该期刊稳居JCR Q1高位区间，在人工智能、信号处理、软件工程等多个计算机核心学科中排名全球前5%，影响因子9.1。广州理工学院计算机科学与工程学院为第一完成单位。

三维重建是视觉感知、数字孪生、自动驾驶及虚实融合交互等前沿领域的核心基础技术，是机器实现从“看见图像”到“理解空间”的关键环节。然而，真实工业场景中，多视角采集设备成本高昂、部署受限，单视角图像虽最为普遍易得，却长期受困于几何细节缺失、空间推理能力弱、重建精度低及复杂场景失效等问题，成为制约技术规模落地的关键瓶颈。针对上述难题，曾碧教授团队提出单视角三维重建通用框架——3DEGO。该框架搭建了特征增强、生成与优化一体的端到端建模体系，有效弥补单视图信息不足，实现接近多视角建模的细节还原与空间推理能力。具体而言，框架采用判别对比学习强化关键特征感知，改善特征区分度；借助空间视图约束生成高精度体素，提升结构完整性与细节还原能力；同时通过度量体素采样结合非均衡经验回放采样策略，缓解样本失衡与局部失真，显著提高模型重建精度与鲁棒性。

本研究具有重要的理论价值与工程实践意义。理论上，研究构建了“增强-生成-优化”一体化的单视角三维重建新范式，为单视图信息先天不足、几何细节缺失等长期难题提供了系统性解决思路，丰富了单视角三维感知与体素化智能建模的理论体系，并为后续算法改进与模型设计提供了可借鉴的实验基线。应用层面，该方法仅凭单张二维图像即可输出高质量三维重建结果，大幅降低了对采集硬件与多视角设备的依赖，有效缩减数据成本与部署开销。算法具备良好的轻量化适配能力，可部署于移动端、嵌入式设备及野外复杂工况，在数字孪生、工业逆向建模、智能检测、场景复原及元宇宙交互等领域具有广泛应用前景，为低成本、高效率的三维智能感知技术走向产业实际提供了坚实支撑。

该研究由我院曾碧教授团队主导完成。曾碧教授为第一作者，文松老师为第二作者，钟巧霞老师为第三作者，并联合广东工业大学、华南理工大学的研究人员共同完成，是一次典型的跨单位协同攻关。论文自2025年9月投稿，历经近十个月的评审与多轮修改，于2026年7月被正式接收并发表。

一篇高水平成果的背后，是团队面向真实需求的问题意识、在该领域的长期深耕，以及反复修改中不懈坚持的学术态度。该成果的取得，也得益于学院对科研工作的持续支持。学院将以此为契机，进一步完善科研支持与激励机制，推动有组织科研与团队建设，鼓励教师围绕真问题深耕方向、组建团队、主动融入高水平学术合作网络。也期待更多老师从这项工作中获得信心——只要方向选得准、功夫下得实，我们同样能在国际一流学术平台上发出自己的声音。

期刊

稿件来源：计算机科学与工程学院