เราค้นหาวิธีแก้ปัญหาที่สอดคล้องกันทางเรขาคณิตและทางโลกสำหรับปัญหาที่มีข้อจำกัดนี้: การคาดคะเนความลึกของจุดที่สอดคล้องกันในเฟรมต่างๆ ควรทำให้เกิดการเคลื่อนไหวที่ราบรื่นและมีเหตุผลในแบบ 3 มิติ เรากำหนดวัตถุประสงค์นี้ในกรอบการฝึกอบรมเวลาทดสอบใหม่โดย CNN การคาดการณ์เชิงลึกได้รับการฝึกฝนควบคู่กับ MLP การคาดการณ์การไหลของฉากเสริมในวิดีโออินพุตทั้งหมด ด้วยการคลาย MLP การทำนายการไหลของฉากแบบเรียกซ้ำตามขั้นตอนเวลาที่แตกต่างกัน เราคำนวณการไหลของฉากทั้งระยะสั้นเพื่อกำหนดการเคลื่อนไหวที่ราบรื่นในท้องถิ่นโดยตรงในรูปแบบ 3 มิติ และการไหลของฉากระยะไกล การเคลื่อนไหว เพื่อกำหนดข้อจำกัดความสอดคล้องของหลายมุมมองด้วยเส้นฐานที่กว้าง เราแสดงผลลัพธ์ที่แม่นยำและสอดคล้องกันทางโลกในวิดีโอที่ท้าทายซึ่งมีวัตถุเคลื่อนไหวที่หลากหลาย (สัตว์เลี้ยง คน รถยนต์) รวมถึงการเคลื่อนไหวของกล้อง แผนที่ความลึกของเราก่อให้เกิดเอฟเฟ็กต์การตัดต่อวิดีโอที่รับรู้ความลึกและการเคลื่อนไหว เช่น การแทรกวัตถุและแสง