Η εκτίμηση της απόστασης ενός αντικειμένου από μία κάμερα (οπότε και η εκτίμηση της θέσης ενός αντικειμένου στον πραγματικό κόσμο) προϋποθέτει πολλαπλές λήψεις από διαφορετικές γωνίες με αποτέλεσμα η κίνηση της κάμερας να κρίνεται αναγκαία ή να γίνεται χρήση πολλαπλών καμερών αυξάνοντας το συνολικό κόστος. Στο πλαίσιο της εν λόγω πρακτικής, ο υποψήφιος καλείται να υλοποιήσει ένα μοντέλο παραγωγής χαρτών βάθους με τη χρήση μονών λήψεων (frames) από μία σταθερή κάμερα σε πραγματικές συνθήκες και βασιζόμενο στις αρχές της παραγόμενης ΑΙ π.χ. μοντέλα διάχυσης (diffusion models), παραγωγικά αντιπαλικά δίκτυα (Generative Adversarial Networks-GANs).