動く人物を含む深度推定のためにマネキンチャレンジ動画にSfMとMVSをかけることによってその正確な深度及びカメラ姿勢を取得したこと。推論時、物体が動いている場合にも背景の運動視差を最大限利用しつつ推定を行えるネットワークの提案。

新しく構築したデータセットにより単眼でも正確な推定を実現しつつ、2フレームからの運動視差を考慮することで人物・非人物領域の両方において大幅に制度を改善。従来のデータセットには含まれない状況を含むインターネット上の様々の動画において従来手法が殆ど失敗する中高品質の推定に成功。

アイデアに注目が行きがちだが正しい深度およびカメラ姿勢が取得できる映像区間を吟味するためのデータセット構築に相当の注意と手間をかけている。既存のデータセットでは実現しえない設定での深度推定を独自の工夫で達成しており見習いたい。