深度估计和深度质量评估的Benchmark
所有文档均在readme填写，readme使用Markdown语言
所有资源均使用git管理
https://markdown.com.cn/ markdown教程
https://www.liaoxuefeng.com/wiki/896043488029600 git教程
梳理相关论文
建立仓库，整理文档和资源
统一baseline和运行环境，评估标准，数据集
跑程序
TODO
TODO
1.Rethinking RGB-D Salient Object Detection:Models, Datasets, and Large-Scale Benchmarks
基于手工特征的深度质量评估
https://www.wolai.com/2MssVsDhYRShMwEMCBq842?theme=light
2.DPANet: Depth Potentiality-Aware Gated Attention Network for RGB-D Salient Object Detection
在不增加训练标签（即深度质量标签）的情况下，我们建模了一个面向任务的深度潜力感知模块，它可以自适应地感知输入深度图的潜力 ，并进一步削弱由不可靠的深度信息造成的污染
https://www.wolai.com/3nvkcUdL1w6oCAmE5crn5Q?theme=light
3.CDNet: Complementary Depth Network for RGB-D Salient Object Detection（待商讨）
为了减轻低质量的深度图对RGB-DSOD的影响，选择显著性信息的深度图作为训练目标，并利用RGB特征来估计有意义的深度图。此外，为了学习鲁棒的深度特征以进行精确预测，提出了一种新的动态方案，将使用自适应 权重从原始和估计的深度图中提取的深度特征。
https://www.wolai.com/7N4VUKnk1GcP3pPsA3H1vS?theme=light
1.https://github.com/DengPingFan/D3NetBenchmark
2.https://github.com/JosephChenHub/DPANet
3.https://github.com/blanclist/CDNet
TODO
TODO