本书从深度学习网络的构建入手，对立体超分辨率和立体匹配展开研究。构建了特征提取子网络算法，获得了多尺度和多层级的图像特征，增强了图像表征的鲁棒性和判别性，实现了多样化的特征学习。考虑单图超分辨率网络具有感知并重建单幅图像的学习能力，提出了注意力立体融合模块和增强型跨视图交互策略，有效整合了两个单图超分辨率分支以及模块之间的信息交互。考虑现有代价聚合网络需要较高的计算成本来聚合代价体，构建了三维注意力聚合编解码代价聚合网络，利用较小的运行时间提高了代价聚合网络的学习与推理能力，获得了精准的立体视差估计值。