本文公开一种图像处理系统，所述图像处理系统被配置成获得场景的网格表示，其中所述网格表示包括由与面内位置相关联的相应顶点限定的多个多边形，所述面内位置处于包括第一维度和第二维度的平面中，并且所述顶点具有在第三维度中的相关联顶点深度值，所述第三维度不同于所述第一维度和所述第二维度。所述图像处理系统包括面内位置估计网络，所述面内位置估计网络被配置成处理表示所述场景的图像的图像数据以估计与所述网格表示的相应顶点相关联的所述面内位置。所述图像处理系统还包括深度估计引擎，所述深度估计引擎被配置成处理所述面内位置和所述图像数据以估计所述网格表示的所述相应顶点的所述相关联顶点深度值。