El desarrollo de un modelo de completado de profundidad escaso-invariante capaz de manejar diferentes niveles de escasez de profundidad de entrada es muy deseable en aplicaciones del mundo real. Sin embargo, los modelos escaso-invariantes existentes tienden a degradarse cuando los puntos de profundidad de entrada son extremadamente escasos. En este documento, proponemos un nuevo modelo que combina los diseños ventajosos de las tareas de completado de profundidad y estimación de profundidad monocular para lograr invarianza escasa. Específicamente, construimos una arquitectura de doble rama con una rama dedicada a la predicción de profundidad y la otra al completado de profundidad. Además, integramos el módulo planar local multi-escala en los decodificadores de ambas ramas. Los resultados experimentales en el benchmark de NYU Depth V2 y el conjunto de datos prototipo de OPPO equipado con el sensor Spot-iToF316 demuestran que nuestro modelo logra resultados confiables incluso en casos con información de profundidad irregularmente distribuida, limitada o ausente.