عند استخدامها من قبل المركبات ذاتية القيادة للتخطيط للمسار أو تجنب العقبات، يجب أن تكون طرق تقدير العمق موثوقة. ولذلك، فإن تقدير جودة نواتج العمق أمر حاسم. في هذا البحث، نوضح كيف يمكن تعزيز M4Depth، وهي طريقة تقدير عمق رائدة مصممة لتطبيقات الطائرات بدون طيار (UAV)، لأداء تقدير العمق والشكوك بشكل مشترك. لهذا الغرض، نقدم حلًا لتحويل تقديرات الشكوك المتعلقة بالانحراف البصري التي تولدها M4Depth إلى تقديرات شكوك مرتبطة بالعمق، ونظهر أنها تتفوق على النهج الاحتمالي القياسي. تجاربنا على مجموعة متنوعة من قواعد البيانات العامة تدل على أن طريقتنا تعمل بثبات حتى في التحويل الصفراني (zero-shot transfer). بالإضافة إلى ذلك، تقدم طريقتنا قيمة مقنعة عند مقارنتها بطرق تقدير العمق متعددة المناظر القائمة، حيث إنها تؤدي بشكل مشابه في اختبار عمق الرؤية المتعددة رغم أنها أسرع بمقدار 2.5 مرة وأحادية السبب (causal) مقارنة بالطرق الأخرى. الكود الخاص بطريقتنا متاح للجمهور على الرابط https://github.com/michael-fonder/M4DepthU .