目前，在雙目深度估測的研究領域裡，存在著網路計算成本過大以及預測深度圖在物體邊界過於平滑等的問題。因此，我們提出一種輕量化的深度卷積網路用於快速且準確的雙目深度估測。並實驗於多種公開資料集，在準確度、網路模型參數量以及運行速度等三項指標上均取得最佳的成果。此外，我們的方法可即時運行於邊緣系統上，並可達到每秒10幀(FPS) 的運算效能，此技術可取代原本需回傳中央伺服器之深度運算系統，達成低延遲和低成本，高效率避障之效益。

圖一、上圖為AnyNet和我們提出的方法作階段輸出比較。每個視差圖下方顯示3像素誤差。從圖中黃色方塊當中可看見，所提出的方法較AnyNet產生更清晰的結果。 此外，從階段0到階段2，逐步改善了3像素誤差方面的準確性。

圖二、（a）所提出的方法（b）DispNetC 和MADNet 之間的定性比較。所提出的方法可以產生物體和背景的準確視差，並於低成本設備上進行即時密集深度估計。