该论文提出了一种基于卷积神经网络的深度学习方法，用于预测视差图和深度图，并引入了正则化项来解决视差图中的不连续性问题
该论文提出了一种引导卷积神经网络的方法，结合了全局和局部特征，通过图卷积操作来捕捉不同尺度的上下文信息，从而改进了深度估计的准确性
该论文提出了一种金字塔卷积网络，用于学习光流估计和深度估计任务。通过金字塔结构和多尺度的特征融合，该网络在处理不同尺度的深度估计问题上表现出色
HACK：==该模型基于光流==不确定是否要介绍
该论文提出了一种金字塔形状的卷积神经网络，用于学习视差图和深度图。该网络利用金字塔形状的特征金字塔来处理不同尺度的视差信息，从而提高了深度估计的准确性
论文提出了一种基于生成对抗网络（GAN）的深度估计方法，通过引入生成器和判别器网络，实现了更加准确的深度估计和视差图预测