Wir schlagen einen neuartigen Algorithmus zur Tiefenschätzung aus einer einzigen Kamera vor, der relative Tiefenkarten nutzt. Zunächst schätzen wir mithilfe eines konvolutionellen neuronalen Netzwerks relative Tiefen zwischen Paaren von Bildregionen sowie herkömmliche Tiefenwerte auf verschiedenen Skalen. Anschließend rekonstruieren wir relative Tiefenkarten aus selektiv geschätzten Daten basierend auf der Rang-1-Eigenschaft von Paarvergleichsmatrizen. Daraufhin zerlegen wir sowohl herkömmliche als auch relative Tiefenkarten in Komponenten und rekonstruieren sie optimal, um eine endgültige Tiefenkarte zu erzeugen. Experimentelle Ergebnisse zeigen, dass der vorgeschlagene Algorithmus eine state-of-the-art-Leistung bei der Tiefenschätzung erzielt.