本文综述自监督单目深度估计研究，涵盖跨域语义信息引入、语义分割与深度估计互益、半监督框架、室内低纹理处理及流先验引导等方法，在KITTI、NYUv2等数据集上提升了精度与泛化能力。

本文介绍了一种新的自监督单目深度估计方法，使用无标签的单目视频进行学习。该方法在KITTI基准测试中表现优于其他自监督、半监督和全监督方法。此方法不需要在ImageNet上进行大规模监督预训练，并且可以实时运行。同时，作者还发布了DDAD数据集，用于评估稠密深度。