نقدم نظام تعلم عمقي لاستنتاج التوزيع اللاحق لخريطة العمق الكثيفة المرتبطة بصورة، من خلال استغلال قياسات المدى النادرة، مثل تلك التي تأتي من الليدار. بينما قد يوفر الليدار قيمة عمق لمجموعة صغيرة من البكسلات، نستغل القوانين المنتظمة المنعكسة في مجموعة التدريب لإكمال الخريطة بحيث يكون هناك احتمالية للعمق لكل بكسل في الصورة. نستغل شبكة الأولوية الشرطية (Conditional Prior Network)، والتي تسمح بربط احتمالية بكل قيمة عمق معطاة صورة، وندمجها مع مصطلح الاحتمال الذي يستخدم القياسات النادرة. يمكننا أيضًا اختيارياً استغلال توفر الصور الاستريو أثناء التدريب، ولكن في أي حال نحتاج فقط إلى صورة واحدة وسحابة نقاط نادرة عند التشغيل الفعلي. نختبر نهجنا على إكمال العمق بدون إشراف وبإشراف باستخدام معيار KITTI، ونحسن الحالة الحالية للأبحاث في كلا المجالين.