多视图立体是指从已知相机参数的多幅重叠图像中恢复场景的稠密三维结构，可广泛应用于智慧城市、虚拟现实、文物保护、自动驾驶等多个领域。基于几何的多视图立体方法主要依赖光度一致性和几何一致性，然而在弱纹理、镜面反射等区域中，难以实现稳定且准确的立体匹配，导致重建结果在精度和完整性方面存在显著局限。近年来，基于深度学习的多视图立体方法随着卷积神经网络的快速发展而得到不断改进，在效率、重建精度和鲁棒性方面展现出显著优势。然而，现有深度学习方法仍面临诸多挑战，如大规模数据带来的效率瓶颈、局部感受野限制特征表达能力，以及在不同类型影像集上的泛化能力不足等问题。尤其在处理具有高分辨率、视角变化剧烈及遮挡严重等特点的航空影像时，往往难以实现稳定且精确的三维重建，泛化性能明显受限。本研究从近距离多视图立体和航空影像多视图立体中的共性问题出发，逐步扩展至航空影像多视图立体三维重建的关键难点，聚焦于深度跨度大、遮挡严重以及视角变化剧烈等挑战，探索高精度航空影像三维重建方法。

深度学习,，多视图立体,，三维重建