针对一个这样的双目视觉的问题，作者提出了两个观测：

1. 模糊程度和场景深度相关：如下图的第一行所示，距离成像探测器近的绿色框内，模糊的程度大，具体表现为局部块模糊的尺寸更大；为距离成像探测器较远的黄色框内，局部模糊程度更小。
2. 左视和右视的模糊不同：对比下图的上下两行信息，在绿色框区域，模糊的方向和尺寸上存在一定的偏差。

根据上面的两个观测，启发作者在实现双目视觉去模糊 的时候利用上述两个信息。在利用上述信息之前，先细致的分析这个observation。分别将两个observation定义为：depth-varying blur和view-varying blur.

画出一个简单的模型，如图二所示。从Fig. (2)(a)中，我们可以得出结论，

第二个observation说的是两个视点的模糊程度是不一致的。作者从平移和旋转两个角度来说明。 注意：平移是指物体的平移，旋转是指相机的旋转 。
如图二（b）所示 目标平移 时，当目标沿着深度方向移动时，可以得出如下结论

这两个网络结构类似，输入不同，功能不同。都是用U-NET搭建而成，中间引入了空洞ResBlock 和context module(其实就是ASSP，只是改了空洞卷积的参数，ASSP可见DeepLab原文)。（博主认为这是一些很tival和experimental的东西，我最关心的是如何建模上述的两个观测）

融合网络就是要将上述提到的两个观测和去模糊问题实现有机的融合。因此融合的内容分为三个部分， 一个是去模糊的特征： F _ { \text {views} } ^ { L } = F ^ { L } \odot \left( 1 - G ^ { L } \right) + W ^ { L } \left( F ^ { R } \right) \odot G ^ { L } F views L ​ = F L ⊙ ( 1 − G L ) + W L ( F R ) ⊙ G L 所示的函数，这样获得了建模视点间差异信息和特征 F d e p t h L ​ 。
上述三者结合就实现了同和网络。