本发明公开了一种基于深度学习的立体图像重定向方法，所述方法包括：利用交叉注意力提取模块获取左右图像的注意力图；利用立体图像视差图的深度信息，构建视差辅助3D重要性图生成模块，生成左右图像的3D重要性图，将3D重要性图送入到偏移层，使立体图像的深层特征缩放至目标尺寸；利用图像一致性损失保持立体图像中的显著区域，减少几何失真，并利用视差一致性损失保持立体图像的视差关系，减少视差失真；将图像一致性损失和视差一致性损失结合，获得整体损失函数，并利用整体损失函数对立体图像重定向进行训练，获得最终高质量的重定向立体图像。本发明避免了图像内容失真并保持立体图像的视差一致性。