1. 分两路计算置信度（对sparse_d进行优化、滤波，主要考虑到sparse_d中存在的噪声等不准确性）:

   • DeepLidar（CVPR 19）
   • Noisy & Uncertainty （MVA 19）

2. 利用Surface Normal:

   • 作为中间结果：
     • DeepLidar (CVPR 19)
     • From Single RGB (CVPR 19)
   • 做约束：
     • PwP (ICCV 19)

3. 3D clound-point (点云这方面目前主要的工作还是在 object detection/segmentation ):

   • 特征融合： Joint 2D-3D (ICCV 19)

4. 从RGB中学习guided（该部分主要是显式地学习guided，其实第一部分也算隐式地学习）：

   • Affinity 调优： CSPN (ECCV 18)

   • 学习网络权重： Guided Conv (TIP 19)

     其实上面两个方法也是相通地，只是第二种方法将guided-conv-layer多次用在网络特征提取中，作用在特征上；而CSPN是放在最后作为一个调优地过程，作用在深度图上

To Be Done