研究探索了微调立体匹配网络的方法，利用真实标签和伪标签之间的差异进行微调。方法包括冻结的教师网络、指数移动平均的教师网络和学生网络，并在多个真实世界数据集上验证了有效性。

本文提出了一种使用立体匹配网络作为代理从合成数据中学习深度并使用预测的立体视差图来监督单目深度估计网络的方法，并提出了不同的策略以确保学习到的深度感知能力在不同领域之间得到很好的转移。该方法在KITTI数据集上具有最先进的单目深度估计结果。