Los levantamientos sísmicos usualmente se ven afectados por obstáculos o restricciones ambientales que impiden el muestreo regular en la adquisición sísmica. Por lo tanto, se han desarrollado diversos métodos para reconstruir estos datos faltantes, incluidos los métodos de aprendizaje profundo, los cuales permiten extraer características de información compleja, con la limitante de bases de datos sísmicos externos. Aunque otros trabajos se han enfocado principalmente en la reconstrucción de trazas, los disparos que no se pueden adquirir impactan directamente el flujo del procesamiento sísmico y representa un reto mayor en la regularización de datos sísmicos. En este trabajo proponemos DIPsgr, un método de reconstrucción de disparos sísmicos que usa solamente las medidas de las adquisiciones sísmicas incompletas para estimar la información faltante usando aprendizaje profundo no supervisado. Los experimentos numéricos con tres bases de datos muestran que DIPsgr recupera el conjunto completo de trazas en cada shot-gather, donde la información y los eventos sísmicos se conservan correctamente.