本研究探讨了基于卷积神经网络的立体匹配技术，提出了自适应训练、特征一致性维护和无人监督网络等方法，以提高模型的泛化能力和准确性。实验结果表明，这些方法在多个数据集上表现优异，超越了传统算法。

本文提出了一种基于注意力机制的跨视图特征一致性端到端伪掩膜生成框架（CVFC），通过三个分支的联合框架生成类激活图（CAM），并通过特征一致损失和特征交叉损失进行优化。在实验中，CVFC 在 WSSS4LUAD 数据集上表现出较高的 IoU 和 fwIoU，优于其他方法。