浙江大学计算机辅助设计与图形系统全国重点实验室章国锋教授课题组与浙江大学农生环测试中心合作，在CVPR 2026会议上发表题为“Neural Field-Based 3D Surface Reconstruction of Microstructures from Multi-Detector Signals in Scanning Electron Microscopy”的研究论文，并被选为Oral论文（仅3.4%的接收文章入选）。本文第一作者陈硕在美国丹佛科罗拉多会议中心进行了汇报演讲。
NFH-SEM重建结果以及应用展示
该研究提出了面向扫描电子显微镜（Scanning Electron Microscope, SEM）的微观结构表面三维重建方法 NFH-SEM。该方法充分利用SEM中的多视角二次电子和多象限背散射电子信号，将多视图几何、电子成像物理与神经场三维表示相结合，实现复杂微结构的高质量表面三维重建。NFH-SEM能在重建过程中自标定探测器响应参数并分离背散射电子中的阴影影响，在双光子聚合微结构、花粉颗粒和碳化硅断裂表面等不同类型样品上实现了稳定、精细的表面重建效果，展现了其在精密制造、生命科学和材料科学等多学科研究场景中的良好适用性与应用潜力。
研究背景
微纳尺度下的三维表面形貌与材料和生物样品的功能密切相关，在科学研究中有重要意义。精密制造微纳结构的关键尺寸和表面细节直接反映制造精度，并可为工艺优化提供依据；材料断裂面的台阶、条纹等三维特征有助于材料失效分析和断裂机制研究；花粉表面纳米级的凹凸纹理与其在传粉昆虫表面的附着能力以及植物分类密切相关。SEM作为众多学科研究中常用的微观表征设备，其利用聚焦电子束扫描样品表面，并接收电子束与样品相互作用激发出的二次电子与背散射电子等信号，可以获得高分辨率的二维电子信号强度图像，但这并不能直接得到样品表面的真实三维几何。
在不改变SEM硬件设计的情况下，现有的SEM三维重建算法主要分为多视角和单视角两类方法。多视角方法基于传统计算机视觉中的SFM/MVS流程，利用多视角SEM图片之间的几何匹配关系重建表面模型。然而，微结构表面常存在大面积光滑、弱纹理或重复纹理区域，难以建立可靠匹配，导致这些区域的重建质量下降。单视角方法利用SEM特有的多探测器信号，通过光度立体技术从多象限背散射电子图像中估计表面法向。 但这种方法通常依赖复杂的探测器标定，并易受遮挡阴影影响，造成几何扭曲。因此，如何同时利用多视角图像提供的全局几何信息和多探测器电子信号中蕴含的表面细节信息，融合两类方法的优势并克服各自局限，是实现高质量微结构表面三维重建的关键。
研究创新与突破
针对现有SEM三维重建中细节缺失、探测器标定复杂以及阴影干扰等问题，研究团队提出了一种基于神经场表示的混合式SEM三维重建方法NFH-SEM。该方法首先利用多视角二次电子图像获得整体的几何初始化，再通过连续神经场对微结构表面进行统一表示，并将可学习的背散射电子成像模型引入神经场中，从而将多象限背散射电子信号中蕴含的精细表面法向信息融入三维优化过程，最终实现对复杂微纳结构的高质量表面重建。
NFH-SEM系统框架
NFH-SEM并没有使用单视角方法将四象限的背散射电子图像直接转换为表面梯度，而是在神经场中建立了一个可学习的背散射电子前向生成模型。该模型描述了三维表面法向如何通过电子散射和不同探测器象限的响应形成实际观测到的SEM图像，同时将单视角方法中需要被预先标定的探测器参数视作模型中可被优化学习的参数。通过这种方式实现从真实的SEM数据自动估计出探测器的响应参数，从而无需依赖额外的参考样品进行复杂的标定流程。
针对复杂微结构中常见的阴影问题，NFH-SEM进一步设计了迭代式阴影分离机制。当样品自身遮挡使背散射电子无法到达探测器时，相应图像区域会出现明显的阴影，而这种阴影并不真实反映局部表面几何。NFH-SEM通过比较模型预测信号与实际观测信号，识别受遮挡影响的区域，并在神经场优化过程中降低这些区域的影响。随着三维几何不断改善，阴影判定也更加准确，两者相互促进，从而逐渐识别并抑制受阴影影响的背散射电子信号的监督，提升最终的重建质量。
通过上述设计，NFH-SEM实现了多视角几何、多探测器光度信息、SEM成像物理与连续神经场表示的统一建模，从而在无需额外探测器标定的情况下，实现对复杂微结构更加准确且具有阴影鲁棒性的三维重建。
研究成果与结论
为了验证NFH-SEM在真实微观样品上的重建能力，研究团队采集了首个多视角、多探测器的SEM真实数据集，涵盖利用双光子聚合技术加工的复杂微结构，具有精细表面纹理的桃花花粉、以及具有典型断裂形貌的碳化硅颗粒。这些样品包含剧烈高度变化、弱纹理、精细表面起伏以及明显的阴影遮挡，对SEM三维重建方法提出了较高挑战。相比传统多视角方法在弱纹理区域的粗糙重建效果，以及单视角方法在高度不连续以及阴影区域扭曲的几何形状，NFH-SEM能够同时保持整体几何并准确恢复精细表面结构。NFH-SEM重建出了双光子聚合逐层打印产生的 478 nm层纹，恢复了桃花花粉表面约 782 nm宽的三维纹理，并准确表征了碳化硅断裂表面的条纹与 1.559 μm台阶结构，体现了其在微纳制造、生物表征和材料分析等场景中的应用价值。
NFH-SEM与传统SEM三维重建方法在真实数据集上的重建效果对比
该研究还测试了近年代表性的神经场、3DGS和前馈三维重建方法。这些方法由于缺乏对SEM多探测器成像机制的建模，或难以泛化到SEM场景，最终导致较差的重建质量。此外，研究团队还构建了仿真数据集，对几何重建、背散射电子成像模型学习和阴影分离能力进行定量评估。结果表明，NFH-SEM在几何误差、表面法向误差、背散射电子成像模型拟合精度和阴影检测等指标上均取得了良好表现，进一步验证了方法各关键模块的有效性。
总结：NFH-SEM将计算机视觉中的多视图几何、神经场隐式三维表示与SEM的电子成像物理相结合，使SEM从传统的高分辨率二维成像进一步拓展到微纳尺度复杂表面的三维重建与定量表征，为多学科研究提供了一种新的三维表征工具。该研究进一步展现了人工智能算法与科学仪器成像机理深度融合的潜力，通过充分挖掘现有仪器中未被有效利用的多源信号，可以在不改变核心硬件的基础上拓展其测量与表征能力。未来，与人工智能算法的交叉融合有望成为科学仪器的重要计算增强手段，为复杂科学问题提供更加智能、精确和高效的研究工具。
论文原文：
https://openaccess.thecvf.com/content/CVPR2026/html/Chen_Neural_Field-Based_3D_Surface_Reconstruction_of_Microstructures_from_Multi-Detector_Signals_CVPR_2026_paper.html
浙江大学计算机辅助设计与图形系统全国重点实验室章国锋教授为本文通讯作者，博士研究生陈硕为本文第一作者。本研究受到国家自然科学基金（编号：62425209）的资助。
