主要的点是

三个稀疏不变操作处理稀疏输入和特征图，分别是稀疏不变平均值、稀疏不变上采样、联合稀疏不变连接和卷积

多尺度融合结构

稀疏不变双线性上采样：

输入和掩码进行点乘，然后进行双线性上采样操作

掩码单独进行双线性上采样操作，获得和点乘后一样的特征图大小，

再将特征图和掩码进行点对点的相除，获得新的特征图，

掩码中有值为1，反之为零，获得新的掩码

稀疏不变平均

两个相同大小的特征图先各自与各自的掩码进行点乘，再相加

两个特征图的掩码进行点对点相加

相加后的特征图与相加后的掩码进行相除，获得新的特征图

两个特征图的掩码进行或运算得到新的掩码

联合稀疏不变连接和卷积

先将两个输入特征图按照通道方向进行叠加，然后使用文章定义的卷积核进行1x1卷积，卷积核定义如下

对这个卷积核我的理解是，假如说一个像素点，x的特征图的掩码是1，y的特征图的掩码是0，就取用x特征图的权重，反之取y特征图的权重，如果都是1则取平均，也就是用上面说的稀疏不变平均来进行计算

掩码则是和稀疏不变平均一样，让两个特征图的掩码进行或运算得到新的掩码

网络框架结构：

一个是RGB引导的，一个则只有深度图作为输入

RGB引导的结构除了最后的联合有不同，其他都是一样的结构

这里的二尺度融合结合和三尺度融合结构有点新颖

可以借鉴