为改善康普顿相机传统重建算法中重建质量差、重建速度慢的问题，使用基于Pix2Pix深度学习模型的康普顿相机重建算法优化重建图像质量。首先，通过蒙特卡罗方法模拟康普顿相机获取实验数据过程，制作部分数据集，并利用数据增强技术扩充模型所需数据集。其次，通过在生成器引入16层的U-Net模型，并结合SimAM模块，增强模型的特征提取能力，降低模型训练中模式崩塌的可能性。最后，在判别器中加入残差模块，使模型训练过程更稳定，提升模型性能。实验结果表明，在提升传统重建方法图像质量的基础上，峰值信噪比较原模型提升了3.05，结构相似性提升了1.83%。