显式引导选择，抑制纹理复制
通过不对称交叉注意力和显式引导选择，同时缓解纹理复制和边缘模糊问题，在合成和真实数据集上优于现有方法。
左一帆 · Yaping, Xu · Yifeng, Zeng · 方玉明 · Huang, Xiaoshui · 鄢杰斌
IEEE Transactions on Circuits and Systems for Video Technology 2023
采用Transformer骨干，全局注意力机制高效扩展感受野，解决CNN局部卷积和输入无关导致的泛化受限问题。
引入显式监督于单目深度估计分支，确保引导信息被有效选择和利用，从而抑制纹理复制和边缘模糊。
通过像素反洗牌而非池化来保持引导信息，避免通道数不匹配导致的信息损失，提升细节恢复能力。
在合成和真实数据集的多个尺度上充分实验，证明方法优于现有最先进模型。