يُعد تقدير العمق في صور الكوميكس تحديًا كبيرًا نظرًا لكون هذه الصور: أ) منظور وحيد؛ ب) تفتقر إلى تسميات عمق حقيقية (ground-truth depth annotations)؛ ج) تختلف بين أنماط فنية متعددة؛ د) تكون نادرة ومشوّشة. ولذلك، نستخدم طريقة نقل صور إلى صور بدون تدريب مُعلَّم (unsupervised image-to-image translation) جاهزة للاستخدام، لتحويل صور الكوميكس إلى صور طبيعية، ثم نستخدم مُقدِّرًا لعَمْق منظور وحيد مُوجَّه بالانتباه (attention-guided monocular depth estimator) للتنبؤ بعَمْقها. وهذا يمكّننا من الاستفادة من تسميات العمق الموجودة في الصور الطبيعية القائمة لتدريب مُقدِّر العمق. علاوةً على ذلك، يتعلم نموذجنا التمييز بين النصوص والصور داخل لوحات الكوميكس، بهدف تقليل الشوائب الناتجة عن النصوص في تقديرات العمق. ويتفوّق منهجنا باستمرار على أفضل الطرق الحالية في جميع المقاييس على كل من صور DCM و eBDtheque. وأخيرًا، نقدّم مجموعة بيانات لاختبار أداء تقدير العمق في الكوميكس. يمكن الوصول إلى موقع المشروع عبر الرابط: https://github.com/IVRL/ComicsDepth.