自律走行における無教師モノクロ深度推定フレームワークは、有望な性能を示している。しかし、既存の手法は主に単純な畳み込みニューラルネットワーク（CNN）を用いて自己運動（ego-motion）を復元しているため、動的で複雑な現実世界のシナリオにおいて正確なカメラポーズを推定することが困難である。こうした不正確なカメラポーズの推定は、必然的に光度再構成の品質を低下させ、誤った教師信号を深度推定ネットワークに与え、推定結果を歪めてしまう。本稿では、空間的ヒントを活用した無教師深度-ポーズ同時学習を実現する新しいアプローチ、SCIPaDを提案する。具体的には、2D特徴量の位置変位とその信頼度を推定する「信頼度認識型特徴フロー推定器」を導入し、空間的情報を効果的に抽出する。同時に、DepthNetから得られる疑似3D点群と2D特徴フローを統合し、均質な位置表現に変換する「位置ヒント集約器」を提案する。さらに、階層的な位置埋め込み注入器を設計し、空間的ヒントをセマンティック特徴に選択的に注入することで、堅牢なカメラポーズ復元を実現する。広範な実験と分析の結果、本モデルは他の最先端手法と比較して優れた性能を示した。特に、KITTIオドメトリデータセットにおけるカメラポーズ推定タスクにおいて、平均移動誤差を22.2％、平均角度誤差を34.8％削減する成果を達成した。本研究のソースコードは、\url{https://mias.group/SCIPaD} にて公開されている。