環境の正確な深度マップは、自律型ロボットや自動車の安全な動作に不可欠である。現在、このような深度情報を取得するために、光検出および測距（LIDAR）またはステレオマッチングアルゴリズムが使用されている。しかし、高解像度のLIDARは高価であり、長距離では疎な深度マップしか生成できない；ステレオマッチングアルゴリズムはより密な深度マップを生成できるが、通常長距離での精度はLIDARよりも低い。本論文では、これらの手法を組み合わせて高品質で密な深度マップを生成する方法を提案する。従来の手法が真値ラベルを使用して学習されるのに対し、提案されたモデルは自己監督学習プロセスを採用している。実験結果から、提案手法は高品質で密な深度マップを生成できることだけでなく、低解像度入力でも堅牢に動作することが示された。これは、高解像度を維持しながら低解像度のLIDARとステレオシステムを組み合わせて使用することでコスト削減の可能性があることを示している。