في هذا البحث، نقترح نظامًا جديدًا باسم Disp R-CNN للكشف عن الأجسام ثلاثية الأبعاد من الصور الاستريو. العديد من الأعمال الحديثة تحل هذه المشكلة أولاً باستعادة السحابة النقطية باستخدام تقدير الاختلاف، ثم تطبيق كاشف ثلاثي الأبعاد. يتم حساب خريطة الاختلاف لصورة كاملة، وهو ما يكون مكلفًا ولا يستفيد من الأولويات الخاصة بالفئات. في المقابل، صممنا شبكة تقدير الاختلاف للحالة الفردية (iDispNet) التي تتوقع الاختلاف فقط للبكسلات على الأجسام ذات الاهتمام وتتعلم أولوية شكل خاصة بالفئة لتحقيق تقدير أكثر دقة للاختلاف. لمعالجة التحدي الناجم عن ندرة ملاحظات الاختلاف في التدريب، اقترحنا استخدام نموذج الشكل الإحصائي لتوليد بيانات الحقيقة الوهمية الكثيفة للاختلاف دون الحاجة إلى سحابة نقاط LiDAR، مما يجعل نظامنا قابلًا للتطبيق بشكل أوسع. أظهرت التجارب على مجموعة بيانات KITTI أن Disp R-CNN يحقق أداءً تنافسيًا حتى عند عدم توفر بيانات الحقيقة من LiDAR أثناء التدريب، وتفوق على الأساليب السابقة الأكثر تقدمًا بنسبة 20% فيما يتعلق بدقة المعدل المتوسطة.