三维重建是包括机器人导航、目标识别、场景理解、动画制作、工业控制、医疗诊断和自动驾驶在内诸多领域所需的核心技术,而深度和光流信息是重建真实三维场景的必备条件。早期方法针对深度或光流进行单独估计,近年陆续出现联合估计深度与光流的不同方法。但联合估计方法依然在泛化性、准确性、完整性等方面存在不足,严重制约该领域进一步发展。因此,为了得到更高精度的深度信息与光流信息,本文提出了一种新的双目深度与光流联合估计方法。本文建立统一的网络框架,使用无监督学习方式,利用注意力机制方法进行深度与光流的联合任务估计,得到精度更高的估计结果。主要工作为:首先,提出了一个基于任务内注意力机制的共享特征网络。采用轻量化的编码器-解码器主干网络进行联合任务估计,设计跳跃连接拼接同尺度下的编码器特征和解码器特征,利用多尺度模块输出多个维度的估计结果以训练损失函数,提出任务内注意力机制提取任务内特征,初步提升了估计的精度;在此基础上,提出了一个基于任务间注意力机制的联合优化网络。共享特征网络利用任务内注意力机制虽然从全局特征中学习了特定任务的特征,但是没有进行任务特征的交互,而联合优化网络可以利用任务间注意力机制融合任务内特征的多模态信息并生成任务间特征,在共享特征网络结果的基础上进一步提升联合估计的精度。本文采用KITTI数据集的道路双目视频数据训练网络,并通过一系列自比实验,对比实验和可视化结果进行实验分析,证明了所提出方法的有效性。低纹理或重复纹理区域的细节估计结果得以改善,联合估计的精度得以提升。