La termografía infrarroja está atrayendo mucha atención debido a su resistencia a la variación de la iluminación. Sin embargo, debido a la diferencia espectral entre las imágenes infrarrojas térmicas y las imágenes RGB, la investigación existente sobre la estimación de profundidad monocular auto-supervisada tiene limitaciones de rendimiento. Por lo tanto, en este estudio, proponemos un nuevo Marco Autoguiado utilizando una Pseudomarca predicha a partir de imágenes RGB. Nuestro marco propuesto, que resuelve el problema de pérdida de coincidencia de apariencia en el marco existente, transfiere la alta precisión de la Pseudomarca a la red de estimación de profundidad térmica mediante la comparación de píxeles de bajo y alto nivel. Además, proponemos la Pérdida Patch-NetVLAD, que fortalece la información de detalle local y contexto global en el mapa de profundidad de la termografía infrarroja mediante la comparación de descriptores a nivel de parche localmente global. Finalmente, introducimos una Pérdida de Coincidencia de Imagen para estimar un mapa de profundidad más preciso en una red de profundidad térmica al mejorar el rendimiento de la Pseudomarca. Demostramos que el marco propuesto muestra una mejora significativa en el rendimiento incluso cuando se aplica a varias redes de profundidad en el Conjunto de Datos Multiespectral de KAIST.