Wir stellen ein neuartiges tiefes neuronal Netzwerk vor, das zur Schätzung einer Tiefenkarte aus einer einzigen monokularen Innenraum-Panoramaaufnahme dient. Das Netzwerk arbeitet direkt auf der equirektangulären Projektion und nutzt dabei die Eigenschaften von Innenraum-360-Grad-Bildern aus. Ausgehend von der Tatsache, dass die Schwerkraft bei der Gestaltung und Konstruktion menschlicher Innenräume eine entscheidende Rolle spielt, schlagen wir eine kompakte Darstellung der Szene in vertikale Sektoren der Kugeloberfläche vor und nutzen sowohl langfristige als auch kurzfristige Beziehungen zwischen diesen Sektoren, um die equirektanguläre Tiefenkarte wiederherzustellen. Unser Entwurf ermöglicht es, auch bei tiefen Netzwerken hochauflösende Informationen in den extrahierten Merkmalen zu bewahren. Die experimentellen Ergebnisse zeigen, dass unsere Methode gegenwärtige state-of-the-art-Lösungen in Bezug auf die Vorhersagegenauigkeit übertrifft, insbesondere bei realen Datensätzen.