RGB-D映像に対する本格的な将来予測手法を提案したこと。3次元運動を自己運動と前景運動とに分離し3次元構造を考慮した予測を行えることを実証したこと。

KITTIデータセットにおいてフロー、深度、画像、セグメンテーションのすべての予測性能について既存手法を上回った。複数フレーム先の予測もきれいにできる。

SfM-Net [Zhou+, CVPR'18] 系統の教師なし自己運動学習を将来予測タスクに利用したのは斬新かつ合理的。完成度も高い。結果も非常に良いがセグメンテーションを要求することと比較的簡単な自動運転ドメインのみでの検証である点が気になる。