Diese Arbeit stellt ein neuartiges tiefes Netzwerk zur Schätzung von Tiefenkarten aus Lichtfeldbildern vor. Um die verfügbaren Ansichten effektiver auszunutzen und Redundanzen innerhalb der Ansichten zu reduzieren, schlagen wir ein Ansichtsauswahlmodul vor, das eine Aufmerksamkeitskarte generiert, die die Bedeutung jeder Ansicht sowie ihr Potenzial zur präzisen Tiefenschätzung kennzeichnet. Durch die Ausnutzung der symmetrischen Eigenschaft der Lichtfeldansichten forcieren wir eine Symmetrie in der Aufmerksamkeitskarte und verbessern dadurch die Genauigkeit weiter. Mit Hilfe der Aufmerksamkeitskarte nutzt unsere Architektur alle Ansichten effizienter und effektiver. Experimente zeigen, dass die vorgeschlagene Methode hinsichtlich der Genauigkeit eine state-of-the-art-Leistung erzielt und sich auf einem etablierten Benchmark für die Disparitätsabschätzung bei Lichtfeldbildern an erster Stelle platziert.