随着三维重建任务在智能制造、安防监控、智能驾驶、视频交互、医学诊断、机器人等领域的需求日益增加,从图像中实现三维重建的研究意义及价值得以体现。基于图像三维重建旨在从单张或多张图像中推理出人脸、物体或者场景的三维模型,但由于自然环境下的图像受光线、遮挡、拍摄角度、空间信息模糊等客观因素影响,给重建工作带来了极大的挑战。三维重建算法从最初研究三维到二维投影,到如今利用深度学习技术重建,重建效果得到了很大的提升。深度学习技术这几年也是快速发展,从最开始的深度卷积网络到如今的生成对抗网络、强化学习、深度图卷积网络等新技术出现,需要研究将新技术应用在三维重建任务中重建精度、重建效率等方面得到提升。本文旨在将生成对抗网络技术应用到三维重建任务中,提出一种新的三维重建方法。将人脸三维重建问题转换成从图像生成三维模型问题,利用生成模型强大的学习数据分布能力,使算法能够解决在大姿态、遮挡、光线等多种自然环境影响重建的问题,最终能够实现鲁棒的基于单张图像的人脸三维重建算法。本文的主要内容和工作如下:1.针对在自然环境下的人脸大姿态的重建问题,本文第三章提出了基于生成模型的分级人脸三维重建算法(FSGANA)分图像可见模型和不可见模型两阶段重建。第一阶段算法根据图像中人脸区域的特征重建可见部分模型,第二阶段算法根据第一阶段重建的可见部分模型和人脸图像利用生成模型GAN生成图像中不可见部分的三维模型,两阶段逐级重建出完整三维人脸模型。实验证明重建效果优于现有经典的人脸重建算法。2.深度学习网络需要大量的数据用于训练,将三维重建任务分为两阶段重建,虽然在重建精度上取得了很大的提升,但给训练和测试使用阶段大大增加了时间成本。为了既能解决时间又能够利用生成模型优秀的三维模型生成能力,本文第四章提出了基于生成模型的端到端人脸三维重建算法(P2UGAN),设计了由粗到细的生成器和UV空间鉴别器,彼此之间相互对抗实现共同优化,最终重建出理想的三维人脸模型。3.为了将三维重建算法,包括人脸、物体、场景等的重建算法集成在一起,能够为用户提供在线交互功能。本文设计了一个能够集成多种三维重建算法、提供在线交互、系统级接口访问等多功能的三维重建系统。