تواجه الطرق القائمة على البيانات لتقدير العمق صعوبات في التعميم خارج المشاهد التي تم تدريبها عليها، نظرًا للتنوع الهائل في المشاهد الواقعية. يمكن التخفيف جزئيًا من هذه المشكلة باستخدام صور تم إنشاؤها بشكل اصطناعي، ولكن إغلاق الفجوة بين المجال الاصطناعي والواقعية ليس أمرًا سهلاً. في هذه الورقة، نعالج هذه المشكلة باستخدام تشويش عدم التركيز الثابت بالنسبة للمجال كإشراف مباشر. نستفيد من ملامح تشويش عدم التركيز من خلال شبكة عصبية تلافيفية متميزة بالترميز العشوائي، والتي تشجع الشبكة على التعلم من الفروق بين الصور التي تختلف في نقطة التركيز. تستخدم الشبكة المقترحة خريطة تشويش عدم التركيز كإشارة إشرافية وسيطة. وبذلك نتمكن من تدريب نموذجنا بالكامل على بيانات اصطناعية، وتطبيقه مباشرة على مجموعة واسعة من الصور الواقعية. وقمنا بتقييم نموذجنا على مجموعات بيانات اصطناعية وواقعية، مما أظهر نتائج تعميم متميزة وتقديرًا متقدمًا لمستوى العمق مقارنة بالطرق الحالية.