ということで海外の型からTwitterで教えてもらった情報を基に、色々実験が出来ました。
元々は、
Boosting Monocular Depth Estimation Models to High-Resolution via Content-Adaptive Multi-Resolution Merging
」コンテンツ適応型マルチ解像度マージング（という手法）を用いた、単眼高解像度画像からの深度推定によるぶースティング（改善？）」というGitHub上の研究らしいのですが、いやぁ、色々なことを考えている人がいるんですねぇ。。。
フォロー
しまった訳し方、というか理解の仕方を勘違いしてました。
「Boosting Monocular Depth Estimation Models to High-Resolution via Content-Adaptive Multi-Resolution Merging」というやり方を実現するために、MiDaSやLeResという手法を使って、Multi-Resolutionのデプスマップを生成しよう、というものなのか。
いずれかの手法で、複数解像度から得られたデプスマップをMergingすると、より精度の高いデプスマップが得られるよ、というものが、より正しい理解のように読めてきました。
となると、単独のMiDaSやLeResの結果も知りたくなるな。。。