特征采集：
输入 （3，N，H，W），输出（32，N，H/4，W/4）【N是指N张图】。
进行下采样是考虑到显存不够使，现在的工作一般不进行下采样的了

本文主要提出CNN来得到更好的特征，深入思考一下是否有更好的方法来进行特征提取？用transformer？有人做过了，所以说有想法不行，还要手快才行。

代价体：
Homography：
从（32，N，H/4，W/4），输出（32，D，N，H/4，W/4）【D是深度假设层，可以理解为到底切了多少片】。
把特征沿着每个深度投影到中心视角下，多了一个维度D

不懂Homography可以看一下主页博客
在原文中这块还介绍了线性插值，因为在投影的过程中难免会有投不上的空洞，用插值来补全

代价体度量：
从（32，D，N，H/4，W/4），输出（32，D，1，H/4，W/4）。
通过方差将N个特征体的向量空间压缩成1个，实现了文中提出的任意输入

原文中提出的对所有视角图片给相同贡献显然有问题，因为如果要恢复正面场景，背面视角的图就没那么重要，关于这方面工作可以通过给每个视角不同的权重

代价体正则化：
从（32，D，H/4，W/4），输出（1，D，H/4，W/4）。
就是把通道维度给压缩掉，使得最终结果表示的是该像素点在深度D下的概率
概率P：（D，H/4，W/4）