WaterMono 是一个专注于水下场景深度估计和图像增强的新型框架。通过教师引导的异常掩模和深度信息结合水下成像模型，提升了模型的鲁棒性。研究表明，Transformers 和 CNNs 在深度估计中表现出不同的偏差，MonoFormer 模型在性能上优于其他模型。此外，OmniFusion 流程和 RT-MonoDepth 网络在实时深度估计中也取得了显著成果。

本文提出了两种高效且轻量级的编码器-解码器网络结构，用于实时深度估计。在单个RGB图像上实现更快的推断速度，同时保持准确性。在NVIDIA Jetson Nano上的运行速度为18.4＆30.5 FPS，在NVIDIA Jetson AGX Orin上的运行速度为253.0＆364.1 FPS，并在KITTI数据集上达到了最先进的准确性。