既存の深度や視差推定手法は、事前に定義された離散値の集合に対する分布を出力します。これは、真の深度や視差がこれらの値のいずれにも一致しない場合、不正確な結果につながります。さらに、この分布が通常回帰損失を通じて間接的に学習されるため、物体境界付近の曖昧な領域でさらなる問題が生じます。これらの課題に対処するために、任意の深度値を出力できる新しいニューラルネットワークアーキテクチャと、真の分布と予測分布のワッサースタイン距離から導かれた新しい損失関数を使用しています。我々は、ステレオ視差推定や深度推定、および下流の3D物体検出などの様々なタスクで当手法を検証しました。当手法は特に物体境界付近で影響が大きい曖昧な領域での誤差を大幅に削減し、自動運転における3D物体検出において最先端の性能を達成しています。コードは https://github.com/Div99/W-Stereo-Disp で公開されます。