Предложены решения задачи неточной оценки масштаба в монокулярных SLAM-системах путем вычисления абсолютных движений камеры между соседними кадрами видеопоследова­тельности с использованием нейросетевых моделей. Описываемый метод оценки масштаба позволяет определять собственное движение камеры по кадрам, полученным с помощью одной монокулярной камеры. Предложенный метод превосходит по точности существующие классические и нейросетевые методы оценки собственного движения камеры. Он также может быть использован в качестве одного из компонентов классической SLAM-системы. В данной работе продемонстрирована возможность обучения нейросетевых моделей на синтетических данных, полученных из компьютерного симулятора. Приведены результаты экспериментов, показывающие, что использование только синтетических данных при обучении позволяет по­лучить точность, сравнимую с точностью при обучении на реальных данных. Предложенный метод адаптирован для видеопоследовательностей с низким разрешением, что позволяет применять его в режиме реального времени.