运动中的深度：通过表征—优化—监督协同实现鲁棒自监督学习

基于摘要分析。本文研究从无标注单目视频恢复场景几何的自监督单目深度估计，提出 Representation–Optimization–Supervision Synergy Network（ROSS-Net），从表征、优化和监督三个环节协同缓解动态场景中运动与遮挡造成的估计失效。 核心问题是光度恒常性假设在动态场景中受到破坏：运动与遮挡污染对应关系，优化向纹理稀疏区域产生偏置，残差呈现重尾分布，进而削弱监督可靠性。表征层面的 Spatio-Temporal Epipolar Calibrator（STEC）综合外观、特征和时间线索校验对应关系，旨在过滤运动引起的错误匹配，同时保留动态信息。优化层面的 Entropy-Guided Spectral Integrator（EGSI）校准深度轴频谱以抵消低频优化偏置，作者称其不增加推理阶段开销。监督层面的 Order-Statistic Consensus Operator（OSCO）通过裁剪和重加权异常残差，将噪声重投影转化为更稳健的监督。 作者报告，在 KITTI 和 NYUv2 的运动及遮挡条件下，ROSS-Net 显著优于既有方法，并能泛化至 Make3D、ScanNet 等未见域。摘要未提供具体指标、增益数值、对照方法和数据划分，因此不能据此量化优势或判断不同协议下的可比性；显著性的统计依据亦尚未验证。 复现时需核对对应关系校验方式、频谱校准的具体实现、异常残差处理规则，以及三类模块的消融与计算开销。训练配置、实验协议、消融及统计信息尚未验证。该研究的主要对象是视觉场景几何，其对极几何与重投影机制不能直接视为 EEG/BCI 方法；当前材料未提供神经信号迁移证据，已有 EEG 相关工作尚未检索确认。