用途：基于 FoundationStereo 架构进行立体深度估计，从立体图像对预测视差图，用于三维重建。
主要能力：该技能封装 train、evaluate、inference、export、quantize 等 PyT 动作，统一通过容器内 TAO depth_net CLI 调用，单目/立体家族由 model.model_type（如 FoundationStereo）选择。使用预训练的 Depth Anything v2 与 EdgeNeXt 编码器，需设置 model.stereo_backbone.depth_anything_v2_pretrained_path 和 model.stereo_backbone.edgenext_pretrained_path。当前 TAO 镜像的 PyT depth_net 入口不接受 gen_trt_engine，TensorRT 引擎只能通过 deploy 工作流构建。
使用方式：若会话未由 TAO skill bank 插件初始化，先运行 tao-setup。数据需在容器内可访问，标注文件每行 2 列（左 右，仅推理）、3 列（左 右 视差）或 4 列（加遮挡掩码）。可用 depth_net convert -e <convert_spec.yaml> 生成标注。根据数据布局选择 dataset_name：Middlebury、Kitti、Eth3d、FSD、IsaacRealDataset、Crestereo 或 GenericDataset；2 列推理必须用 GenericDataset。训练默认启用 AutoML（automl_policy: on），经 tao-skill-bank:tao-run-automl 路由；关闭时直接训练。运行示例：depth_net <action> -e <spec.yaml>。
适用场景：立体视差估计、三维重建相关训练与评估。
限制：数据源覆盖为必填；deploy 侧评估需 batch_size 为 1；冒烟测试建议 crop_size [128,128]、max_disparity 128，避免 112×112 及 max_disparity 小于裁剪边长；评估指标 epe/bp1/bp2/bp3/d1/rmse 有效，abs_rel 等对立体无意义；AutoML 目标为 val/epe 最小化。更多参数、多 GPU、导出与排错见技能内 references 文档。