本文探讨了单目深度估计神经网络在对抗攻击下的鲁棒性，实验表明微小扰动会显著影响深度估计。研究提出了一种新方法以增强攻击效果，并评估了不同攻击对模型的影响，强调了在自动驾驶等应用中的安全隐患。此外，研究还提出了自监督对抗训练方法，以提高模型对真实世界攻击的鲁棒性。