三维重建旨在基于物体2D图像恢复其三维空间结构,从计算机可视化到辅助几何设计,各个行业对三维重建技术的兴趣正迅速增长。虽然当前基于物体深度图或者RGB图的三维重建算法取得了一些进展,但是它们仍然存在下列问题:1)暴力地学习2D视图与三维结构之间的映射;2)无法解决物体不同视角下外观差异所造成的影响;3)要求从多个视角获得物体图像。为了解决上述问题,本文提出基于合成多视图的单视图三维重建算法,旨在构建深度生成模型基于单视图合成多视图图像,进而增量化地提升物体三维重建的细节。本文的具体工作如下:(1)针对单视图受观察视角影响而丢失物体大量空间信息的问题,提出了基于结构感知的单视图三维重建算法,通过构建深度变分模型学习物体不同视角下2D图像间的映射关系,并使用预训练的变分模型基于物体单视图合成来自不同视角的多视图图像,再利用合成的多视图图像提升三维重建网络对物体的重建细节。此外,由于在图像合成过程中建立了视角对齐的交叉视图,其可以引导三维重建网络主动地感知物体的空间结构。最后,通过在ShapeNet数据集上大量定性和定量的实验表明,所提出的方法与仅基于单视图的三维重建算法相比,平均IoU值提升了2.97%。(2)针对基于结构感知的单视图三维重建算法对输入图像视角严格要求的问题,提出了一个端到端的视图感知三维重建网络。该网络由多邻近视图合成子网络和3D重建子网络级联而成。多邻近视图合成子网络基于物体源视图生成多个邻近视角图像,且引入自适应融合模块解决了视角转换过程中出现的图像模糊和边缘扭曲等问题。3D重建子网络使用循环神经网络从合成的多视图序列中恢复物体三维结构。实验结果表明,该算法有效提升了基于单视图的三维重建结果,且降低了物体不同视角下外观差异对三维重建过程的影响。