それぞれのタスクで見つけたピクセルを使うことでjoint learningを行いたいが、深度推定によって見つけたピクセルとオプティカルフローによって見つけたピクセルは違い、深度推定の方はエゴモーションのみを考慮しており、物体の移動を考慮してない。そこで、それぞれが見つけたピクセルの差を減らすために、Rigid-aware direct visual odometryを追加する。

KITTI2012で行ったオプティカルフロー推定では、既存の教師なしのエラーを50%減らすほど性能が向上し、教師ありと同等の性能に達した。KITTI2015で行った深度推定では、既存の教師なしのいくつかの手法よりは優れていた。