本研究提出了JointDiT模型，通过扩散变换器增强RGB和深度的联合建模。采用自适应调度权重和不平衡时间步采样策略，JointDiT显著提升了图像生成和深度估计的性能，展现了在多种生成任务中的应用潜力。

该研究提出DFI-OmniStereo，一种新型全向立体匹配方法，利用预训练模型提升深度估计准确性。在不同环境和光照条件下表现优异，在Helvipad数据集上均方根误差降低约16%。

本研究提出了Endo3DAC框架，旨在提高内窥镜三维场景重建中的自监督学习效率。通过冻结基础模型并训练新设计的GDV-LoRA，显著提升了深度和姿态估计的准确性，同时保持训练效率。

本研究提出了一种新型卷积神经网络USAM-Net，通过结合立体图像和语义分割图，提升自动驾驶和增强现实中的深度估计精度。实验结果表明，USAM-Net在多个指标上优于传统模型，显示出其在高精度深度数据需求中的潜力。

地瓜机器人与中科院合作提出MODEST框架，通过单张RGB图像实现透明物体的深度估计和语义分割，显著提升抓取精度并降低成本。该技术已入选ICRA 2025，适用于智能工厂等场景。

本研究提出了一种新框架，利用深度卷积神经网络的潜在空间特征，解决单目深度估计中的边界定义问题。新损失函数在NYU Depth V2数据集上设立了新基准，特别适用于复杂室内场景，推动了人机交互和3D重建应用的发展。

本文综述了深度估计领域，重点讨论深度学习方法如何解决传统技术的泛化能力不足。研究整合了多种深度学习模型和数据集，结果表明深度学习在深度估计中展现出巨大潜力。

本研究探讨了单眼深度估计模型在相对姿态估计中的应用不足，提出三种求解器，结合经典方法显著提升了深度估计效果。实验结果表明，该方法在不同条件下优于传统解决方案。

本研究提出了一种深度适应任何相机（DAC）框架，旨在解决鱼眼和360度相机的深度估计问题。DAC通过统一图像表示，提高了多种视场相机的准确性，实现了零样本度量的深度估计。

该研究提出了一种名为V$^2$-SfMLearner的新方法，结合振动信号与视觉信号，以提高胶囊内窥镜视频中的深度和运动估计准确性，有效消除振动干扰，提升消化系统检查的实时性和可靠性。

本研究探讨跨视角补全学习，填补自监督对应学习的分析空白。研究发现，跨注意力图能更有效地捕捉对应关系，并在零-shot 匹配和多帧深度估计中表现优异，显示出良好的应用潜力。

本研究针对资源受限机器人实时学习的计算效率问题，通过优化对比最大化学习流程，提升了事件基础深度估计任务的时间和内存效率，并验证了所学深度在障碍物避免中的有效性。

本研究提出了一种基于概率线索融合的零-shot单目深度估计方法，解决了噪声和相机参数束缚问题。通过自适应融合物体大小和垂直位置线索，实验结果表明该方法在不同自主驾驶数据集上实现了良好的深度估计精度，具有重要的应用潜力。

本研究提出了一种多任务学习网络（MT3DNet），用于在图像辅助微创手术中实现手术场景的准确检测、分割和深度估计。该网络通过对抗权重更新机制，显著提升了三维重建能力和处理效率。