چکیده: بازسازی تصاویر سه بعدی از روی تصاویر دوبعدی یک امر بسیار مهم و حیاتی در زمینه بینایی ماشین و همچنین پیش نیاز اصلی استفاده در حوزه های مختلفی از جمله واقعیت افزوده، واقعیت مجازی، ایجاد بازی‌های ویدیویی، ایجاد مدل‌های سه بعدی از اشیاء مختلف، تشخیص بیماری‌ها و طراحی محصولات می‌باشد. این پژوهش با هدف ارتقای کیفیت و کاهش زمان تولید مدل‌های سه‌بعدی به بررسی چالش‌ها و ارائه راهکارهایی جهت بهبود فرایند بازسازی تصاویر سه‌بعدی از روی تصاویر دو بعدی پرداخته است. از جمله چالش‌های مهم در این زمینه، عدم وضوح کافی مدل تولید شده، جداسازی نادرست پیش‌زمینه از پس‌زمینه، و طولانی بودن زمان تولید مدل سه بعدی است که این مطالعه قصد دارد با ارائه یک روش نوآورانه بر این مشکلات غلبه کند. طرح کلی مطالعه شامل ارائه چارچوبی برای تولید مش‌های سه‌بعدی بر اساس مدل‌های بازسازی بزرگ است که با هم افزایی نقاط قوت یک مدل انتشار چند نمای خارج از قفسه و یک مدل بازسازی با نمای پراکنده این امر را ممکن می سازد. در این روش، با ترکیب این دو مدل و استفاده از نظارت‌های هندسی مانند عمق و نرمال، قادر به تولید مدل‌های سه‌بعدی در عرض چند ثانیه هستیم. از جمله نوآوری‌های این پژوهش می توان به اعمال بخش پیش پردازش که به ارائه روشی برای جداسازی دقیق پیش زمینه از پس زمینه می پردازد اشاره کرد. همچنین اعمال روش استحکام بافت بر روی مش تولید شده در قالب بخش پس پردازش که سهم عظیمی در دقت مدل سه بعدی نهایی خواهد داشت، از نوآوری‌های مهم این پژوهش است. از دیگر نوآوری‌های قابل ذکر، جایگزین کردن یک عملگر هم سطح متشق‌گیر به جای بازنمایی‌های حجمی سنگین محاسباتی و زمان‌بر، بهبود قابلیت‌های دوربین برای تشخیص صحیح نماهای مختلف شیء مدنظر، بهینه سازی بازنمایی عصبی و کاهش زمان اجرا است. یافته‌های اصلی پژوهش نشان می‌دهند، راه‌حل‌های پیشنهادی تاثیر بسزایی در تولید مدل‌های سه‌بعدی واقع‌گرایانه و قابل تعامل دارند به طور مثال در پایگاه داده Google Scanned Objects (GSO)، روش پیشنهادی با به دست آوردن مقدار 0.884 در معیار FS و مقدار 22.81 در معیار PSNR عملکرد بهتری را در مقایسه با روش‌های TripoSR، LGM، CRM، SV3D، و Instant Mesh نشان داده است که آن را برای استفاده در کاربرد های مختلف قابل‌استفاده می سازد.