نقدم شبكة الاستريو المتدرجة الواعية بالغموض (UCS-Net) لإعادة بناء الأشكال ثلاثية الأبعاد من صور RGB متعددة. تهدف تقنية الاستريو متعددة المناظر (MVS) إلى إعادة بناء الهندسة الدقيقة للمناظر من صور متعددة المناظر. الطرق السابقة القائمة على التعلم في MVS تقوم بتقدير العمق لكل منظار باستخدام حجوم المسح الطولي بفرضية عمق ثابتة عند كل مستوى؛ وهذا يتطلب عادةً مسح مستويات كثيفة لتحقيق الدقة المطلوبة، وهو أمر صعب للغاية لتحقيق دقة عالية في العمق. بخلاف ذلك، نقترح استخدام الحجوم الرقيقة التكيفية (ATVs)؛ حيث يكون فرض العمق لكل مستوى متنوعًا فضائيًا، مما يتكيف مع الغموض في التوقعات السابقة للعمق لكل بكسل. تتكون شبكتنا UCS-Net من ثلاثة مراحل: المرحلة الأولى تعالج حجم المسح الطولي القياسي الصغير لتوقع العمق منخفض الدقة؛ ثم يتم استخدام حجوم ATV اثنين في المراحل اللاحقة لتحسين العمق بدقة ودقة أعلى. تتكون ATV لدينا من عدد قليل فقط من المستويات؛ ومع ذلك، فإنها تقسم نطاقات العمق المحلية بكفاءة ضمن فواصل صغيرة تم تعلمها. بشكل خاص، نقترح استخدام تقديرات الغموض القائمة على التباين لبناء ATVs بطريقة تكيفية؛ هذا العملية القابلة للتفرقة يُدخل تقسيمات فضائية معقولة ودقيقة. يقسم إطار عملنا متعدد المراحل الفضاء الشاسع للمناظر بشكل تدريجي مع زيادة دقة العمق والدقة، مما يمكن إعادة بناء المناظر بكمال وإتقان عاليين بطريقة خشنة إلى دقيقة. نوضح أن طرقنا تحقق أداءً أفضل مقارنة بأحدث المقاييس على مجموعة متنوعة من البيانات الصعبة.