1、模型结合了多层的信息，进行端到端的训练，以便从左视图直接生成正确的右视图。基础网络预测类似视差的概率图，然后由选择层（selection layer）以差分方式对DIBR建模，其中允许隐含的修补（inpainting）操作。
3、第一个是基于FCN和名为DeepViewren的视图绘制网络的组合。第二个由亮度（luminance）和色度（chromina荏鱿胫协nce）信号的解耦网络组成，由DeepViewdec表示。采用了一个2M立体图像的大型训练数据集。DeepViewren处理速度很快，而DeepViewdec具有更高的精度。
5、softmax层将解码网络的输出归一化为信道上的概率值（Pi，i∈Ω）。 这里，信道的数量与视差范围豌溧传谴Ω= {-N，-N + 1，...，0,1，...，N}的视差数量相同。 最终右视图像R通过P与其相应平移的左图像L之间的逐像素相乘来合成。
