Neue Techniken im Bereich der selbstüberwachten monoökularen Tiefenschätzung nähern sich der Leistungsfähigkeit überwachter Methoden, funktionieren jedoch nur in niedriger Auflösung. Wir zeigen, dass eine hohe Auflösung entscheidend ist für eine hochgenaue selbstüberwachte monoökulare Tiefenschätzung. Inspiriert von aktuellen Deep-Learning-Methoden für die Super-Resolution aus einem Bild (Single-Image Super-Resolution), schlagen wir eine Erweiterung des subpixel-basierten FaltungsLayers vor, die hochaufgelöste Disparitäten aus den entsprechenden niedrigaufgelösten Faltungsmerkmalen präzise synthetisiert. Darüber hinaus führen wir ein differenzierbares Flip-Augmentation-Layer ein, das Vorhersagen aus dem Bild und dessen horizontal gespiegelter Version präzise fusioniert und so den Einfluss von links und rechts liegenden Schattenregionen in der Disparitätskarte reduziert, die durch Okklusionen entstehen. Beide Beiträge bieten erhebliche Leistungsverbesserungen gegenüber dem Stand der Technik bei der selbstüberwachten Tiefen- und Pose-Schätzung auf dem öffentlichen KITTI-Benchmark. Ein Video unserer Methode finden Sie unter https://youtu.be/jKNgBeBMx0I.