MGDepth是一种用于准确估计动态物体和静态背景深度的深度网络，通过引入光流和粗略单目深度来处理动态内容的挑战，并利用静态参考帧构建新的运动引导成本体积。通过引入基于注意力的深度网络架构，提高了网络结构的准确性和鲁棒性。在KITTI-2015数据集上，MGDepth在自监督单目深度估计中的均方根误差上实现了约7％的显著降低。