إن تقدير العمق من صورة واحدة يُعد مشكلة غير محددة بشكل جيد، وبالتالي يعتمد بشكل حاسم على المُعطيات السياقية والمعاني. وبسبب تعقيده، نقترح نموذجًا يعتمد على شبكة عصبية عميقة تعتمد على منهجية التقسيم والانتصار القائم على المعاني. يقوم نموذجنا بتفكيك المشهد إلى أجزاء معنوية، مثل الكيانات الكائنية وفئات الخلفية، ثم يتنبأ بخريطة عمق غير حساسة للقياس والانزلاق لكل جزء معنوي في فضاء قياسي. وتشترك الأجزاء المعنوية من نفس الفئة في نفس المُفكّك العمق، مما يؤدي إلى تفكيك مهمة التنبؤ بالعمق الكلي إلى سلسلة من المهام المحددة حسب الفئة، وهي أسهل في التعلم وأكثر سهولة في التعميم على أنواع جديدة من المشاهد. وأخيرًا، يُلصق نموذجنا كل جزء عمق محلي من خلال التنبؤ بقياسه وانزلاقه بناءً على السياق العام للصورة. تم تدريب النموذج بشكل متكامل باستخدام خسارة متعددة المهام للتقسيم الشامل والتنبؤ بالعمق، مما يجعله قادرًا على الاستفادة من مجموعات بيانات تقسيم شاملة كبيرة الحجم لتعزيز فهمه المعنوي. ونُقدّم تأكيدًا على فعالية نهجنا، ونُظهر أداءً متفوقًا على مستوى الحالة الحالية في ثلاث مجموعات بيانات معيارية.