لقد لاقت تقدير العمق من منظور واحد اهتمامًا واسع النطاق من قبل مجتمع الرؤية الحاسوبية بسبب تطبيقاتها الواسعة. في هذه الورقة، نقترح إطارًا جديدًا للتعلم العميق يُدار بواسطة الفيزياء (الهندسة) لتقدير العمق من منظور واحد، بافتراض أن المشاهد ثلاثية الأبعاد تتكون من مستويات متعددة متقطعة. وبشكل خاص، نُدخل رأسًا جديدًا يُسمى "الاتجاه-المسافة" يُنتج متجهات الاتجاه السطحي ومسافة المستوى من الأصل على مستوى كل بكسل، وذلك لاستخلاص العمق عند كل موقع. وفي الوقت نفسه، يتم تقويم الاتجاه والمسافة باستخدام قيد اتساق مُطوّر يأخذ بعين الاعتبار طبيعة المستوى. كما ندمج رأسًا إضافيًا لتقدير العمق لتحسين متانة الإطار المقترح. وللاستفادة القصوى من مزايا هذين الرأسين، نطور وحدة تحسين تكرارية تناقضية فعالة تقوم بتحسين العمق بطريقة مكملة بناءً على عدم اليقين في العمق. تشير التجارب الواسعة إلى أن الطريقة المقترحة تتفوق على أفضل الأدوات السابقة في مجموعات بيانات NYU-Depth-v2 وKITTI وSUN RGB-D. وبشكل ملحوظ، حصلت على المركز الأول بين جميع المُقدّمات في معيار التنبؤ بالعمق على KITTI عبر الإنترنت في وقت التقديم.