نقدم إطارًا للتعلم غير المُراقب لمهام تقدير العمق بمنظور واحد وتقدير حركة الكاميرا من تسلسلات فيديو غير منظمة. نحقق ذلك من خلال تدريب شبكتين لتقدير العمق وتقدير وضع الكاميرا معًا، باستخدام مهمة توليد المناظر كإشارات إشرافية. وبالتالي، ترتبط الشبكات معًا عبر دالة توليد المناظر أثناء التدريب، ولكن يمكن استخدامها بشكل مستقل في مرحلة الاختبار. وقد أظهرت التقييمات التجريبية على مجموعة بيانات KITTI فعالية نهجنا: 1) تقدير العمق بمنظور واحد يُحقق أداءً يُقارن بالطرق المُراقبة التي تستخدم إما الوضع الحقيقي (ground-truth pose) أو العمق الحقيقي لتدريب النموذج، و2) تقدير الوضع يُظهر أداءً متميزًا مقارنةً بأنظمة SLAM المعروفة في ظل نفس الشروط المدخلة.