原始标题：新方法显着提高了形态学三维重建的准确性。 6月26日，Shanxi大学的记者发现，该学校大数据科学与工业研究所教授Qian Yuhua领导的进化数据情报团队在一般三维重新开发的形态学领域中做出了重要的科学发现。相关论文最近发表在领先的国际杂志“ IEEE模型分析和机器智能交易所”上。 山Xi大学大数据科学与工业研究所的第一位作者Yan Tao宣布，该团队首次出现了三维形态重建的多视图融合方法的一般边界。通常认为，多视图融合性能取决于多视图的完成。该小组发现跨尺度多的表现I-View Fusion任务取决于多视图的一致性。许多视图之间的一致性越大，开发概括的错误越小。 在智能制造和虚拟现实等技术的开发中，宏观/微观跨尺度的三维形态重建面临三个主要挑战：首先，成像属性很大，宏观场景和微观场景的困难模型都以单个方式方式；其次， - 深度研究的现有方法缺乏一般能力，难以适应复杂的实际情况。第三，传统方法在获取图像-feature特征序列方面存在缺陷，并且在空间时使用信息不足会阻止准确性的提高。 为了应对上述挑战，这项研究提出了一个普遍的三维形态重建框架SAS，宣布MU的关键作用LTI-VIEW的一致性在改善重建的重建以及获得跨越误差的紧密边界的理论上，这些误差提供了跨尺度的重建。在方法方面，这项研究通过构建接触序列机制实现了宏观语义信息和显微镜细节的有机整合，从而破坏了传统的跨尺度重建方法的限制。同时，这项研究显着提高了重建宏观场景的质量，并进一步促进了重建亚微米光学成像的三维准确性，从而为测量精度领域，生物医学和其他领域的显微镜提供了新的技术方法。 这项研究在许多宏观和微观数据方案中都得到了实验，结果表明，SAS图不仅优于基于高级设计的形态恢复（SFF），而且比基于基于研究的基于研究的基础方法更重要，尤其是在开放性的方法中。D宏观/微观残留物。 （记者韩隆） （编辑：Hao Mengjia，Li Fang） 分享让许多人看到