本文回顾了十多年来用于立体匹配信度估计的算法和策略，并评估了现有的置信度估计方法，包括手工设计的和最新的基于学习的方法。实验结果表明，基于学习的方法在五个标准数据集上表现出较好的性能。同时，本文首次将一个最先进的深度立体网络与置信度测量技术进行比较，突出了基于学习的方法的优势和局限性。

我们引入了一种新型的注入攻击家族，被称为神经执行。与手工制作字符串的已知攻击不同，我们使用基于学习的方法自动生成可触发执行的可能性。攻击者可以设计和生成持久存在的神经执行，规避现有的检测和净化方法。

自监督方法在成像逆问题中证明有效，为基于学习的方法铺平了道路。本文提出了一种新的自监督方法，利用图像分布近似尺度不变的事实，可应用于高频信息丢失的逆问题。实验证明该方法优于其他自监督方法，与完全监督学习相当。