LightDepth：一种基于课程学习的资源高效深度估计方法，用于应对真实深度数据稀疏性问题

神经网络的进展使得在室外场景深度估计等复杂计算机视觉任务中实现了前所未有的准确率。尽管深度估计领域已取得诸多有前景的研究成果，但现有方法普遍计算资源消耗巨大，且未充分考虑自主设备（如机器人和无人机）的资源限制。本文提出一种快速且电池效率高的深度估计方法。该方法采用与模型无关的课程学习策略，以提升深度估计性能。实验结果表明，我们的模型在精度上达到当前最先进水平，同时响应时间相比其他模型提升71%。所有代码均已开源，可访问 https://github.com/fatemehkarimii/LightDepth。