三维重建一直是计算机图形学和计算机视觉领域的研究热点。在过去的几年中,使用深度学习技术的单视图的三维重建和三维生成领域迅速发展。随着该领域的不断发展,已经不断的提出了许多的方法,这些方法可以根据它们用作输入输出的形状表示对这些方法进行分类。网格作为常见的三维表达方式也被不断被研究,基于网格的三维重建通常使用图卷积技术来对模版网格进行变形去拟合真实的网格。另一方面,一些研究者将生成模型的结构作为研究对象,并提出了一系列的生成模型方法。由于大部分人工的三维模型是高度结构化的,所以相关工作将物体的结构表示为层次化的包围盒,并以此分析各个部件之间的关系以求可以生成合理的物体结构。本文的主要工作是图片的三维结构化模型的生成研究,通过输入一幅RGB图片得到物体的结构后,再通过图卷积对其逐步的进行变形,已得到具有良好结构特点的物体网格。本文的方法主要包括基于图片的物体结构生成和基于图卷积的三维模型变形两个部分。在物体结构生成部分,其整体上为一个自编码器,其编码器通过将图片编码成一个高维的潜在向量,然后通过解码器递归地对其解码得到物体的包围盒;在网格变形部分,其通过三个变形块逐步的对输入的包围盒进行变形,并在计算损失函数前,设计对真实网格和预测网格进行采样操作,以求预测出的网格更加趋于真实的网格。另外,对于每个网络,本文考虑一系列的损失函数,对于结构恢复网络不仅考虑包围盒的位置关系也考虑物体的结构关系;而对于网格变形网络不仅考虑预测网格和真实网格的点的距离约束,也添加了与之相关的几何上的约束条件。