يمكن لصورة البانوراما عرض المعلومات الكاملة للبيئة المحيطة في آنٍ واحد، وتمتاز بعدة مزايا في مجالات السياحة الافتراضية، والألعاب، والروبوتات، إلخ. ومع ذلك، لم تتمكن التطورات الحالية في تقدير عمق البانوراما من حل المشكلات الناتجة عن التشوه والانقطاع التي تسببها طرق التمثيل الشائعة. تقدم هذه الورقة طريقة جديدة لتقدير عمق البانوراما تُسمى "SphereDepth"، والتي تتنبأ بعمق الصورة مباشرةً على الشبكة الكروية دون الحاجة إلى معالجة تمهيدية للتحويل إلى مناطق مستوية. وتعتمد الفكرة الأساسية على إقامة علاقة بين صورة البانوراما والشبكة الكروية، ثم استخدام شبكة عصبية عميقة لاستخراج الميزات في المجال الكروي لتوقع العمق. وللتغلب على التحديات المتعلقة بالكفاءة الناتجة عن بيانات البانوراما عالية الدقة، نُقدّم معلمتين فائقتين ضمن إطار معالجة الشبكة الكروية لموازنة سرعة الاستنتاج والدقة. وقد تم التحقق من أداء SphereDepth على ثلاث مجموعات بيانات عامة للبانوراما، حيث حققت نتائج مماثلة للطرق الرائدة في مجال تقدير عمق البانوراما. وبفضل استخدام المجال الكروي، تتمكن SphereDepth من إنتاج سحابة نقاط عالية الجودة، وتُخفّف بشكل كبير من مشكلات التشوه والانقطاع.