تُعاني نُهج التقدير الذاتي المُشرف عليه لنفسه للعمق الأحادي العين (Self-supervised Monocular Depth Estimation) ليس فقط من الغموض في المقياس (Scale Ambiguity)، بل أيضًا من استنتاج خرائط عمق غير متسقة زمنيًا بالنسبة للمقياس. بينما لا يمكن إزالة الغموض في المقياس أثناء التدريب دون بعض نوع من الإشراف على الحقيقة الأرضية (Ground Truth Supervision)، فإن وجود توقعات عمق متسقة مع المقياس سيجعل من الممكن حساب المقياس مرة واحدة أثناء الاستدلال كخطوة ما بعد المعالجة واستخدامه على مر الزمن. لتحقيق هذا الهدف، تم تقديم مجموعة من خسائر التوافق الزمني التي تقلل من عدم اتساق الوضع (Pose Inconsistencies) على مر الزمن. تُظهر التقييمات أن إدخال هذه القيود يقلل ليس فقط من عدم اتساق العمق، بل يحسن أيضًا الأداء الأساسي لتوقع العمق وحركة الذات (Ego-Motion Prediction).