近日，由闫涛副教授（第一作者）、2022级硕士研究生王莹莹、钱宇华教授（通讯作者）、2023级博士研究生张江峰、李飞江副教授、吴鹏副教授、陈路副教授、贾洁茹副教授和郭小英副教授完成的研究成果《M3D：微观三维形状重建基准数据集与模型》被图像处理领域国际顶级期刊《IEEE Transactions on Image Processing》（TIP，影响因子13.7）录用。

该研究针对多聚焦图像三维形貌重建（DFF）领域长期存在的一个关键问题：现实世界场景中高质量标注数据严重匮乏。现有DFF数据集不仅在规模上受限，多样性也显不足，且多数样本集中于宏观尺度场景，与微观场景之间存在显著的数据鸿沟（图1）。这些局限性严重制约了面向微观尺度DFF的鲁棒性深度学习方法的开发。

图1 现有DFF数据集与微观场景数据具有明显数据鸿沟

因此，我院基于自主研发的显微设备构建了一种新型微观DFF数据集M3D（图2），涵盖五个类别，共包含1952个场景的多焦点图像序列，其深度标签通过将密集图像序列输入团队前期提出的3D TFT算法进行初始深度估计并经校准后获得。同时，研究还提出了一种频率感知的端到端网络M3DNet，旨在应对微观场景中浅景深与弱纹理等关键挑战。

图2 M3D数据集的构建过程

该研究提出的M3D数据集弥补了宏观DFF数据集的局限性，并将DFF应用扩展到微观场景。M3DNet通过利用更优的全局特征提取，有效捕捉了快速的焦点衰减，并在公共DFF数据集上提升了性能。此外，即使在极端条件下，它也表现出强大的鲁棒性。

该研究工作得到国家自然科学基金重大项目（T2495250、T2495251）、国家自然科学基金重点项目（62136005）、国家自然科学基金（(62472268, 62373233, 62476160），中央引导地方科技发展资金项目（YDZJSX20231C001, YDZJSX20231B001）等支持。

TIP期刊于1992年建刊，是国际上公认的图像处理领域顶级期刊，被中国计算机学会（CCF）推荐为A类期刊，主要刊登图像处理领域的高质量前沿研究成果。