1. 不確実性、姿勢推定も同時に行うことで、ステレオやIMUを用いた手法と同等のパフォーマンスを出した点 2. フォトメトリックパラメタ推定を導入することで、Unsupervisedな深度推定そのものの精度を改善した点 3. Ablation Studyにより、不確実性、姿勢推定、フォトメトリックパラメタ推定のそれぞれの優位性を実証した点

1. Unsupervised深度推定のパフォーマンスにおいて、MonoDepth2に比べ精度を大幅に向上させ、さらに正解データありのものと同等のパフォーマンスを出した 2. VOのパフォーマンスにおいて、Mono+IMUベースのパフォーマンスを凌駕するとともに、部分的にStereoベースの手法も精度で勝った

1. 単眼VOの順当進化で、マルチモーダル情報を使い、またフォトメトリックパラメタ推定等の既存のSLAMで行われる手法をもニューラルネットの推定に組み込んで単眼VOの精度を大幅に向上させた点 2. それにとどまらず、結果的にUnsupervised深度推定そのものの精度向上にも寄与した点 3.すでにあるVO（今回はDSO)と組み合わせ、それぞれのいいところどりを実現した点 が通った理由と考える。