تُعدُّ الحصول على بيانات تدريب كافية أحد التحديات الرئيسية في تقدير الوضع ثلاثي الأبعاد من صورة واحدة ملونة (RGB). وبشكل خاص، فإن جمع كميات كبيرة من بيانات التدريب التي تحتوي على صور غير مقيدة ومصحوبة بـ وضعيات ثلاثية أبعاد دقيقة أمر غير عملي. ولذلك، نقترح استخدام مصدرَين مستقلَّين للتدريب. يتألف المصدر الأول من صور مصحوبة بـ وضعيات ثنائية الأبعاد مُشَرَّحة، بينما يتألف المصدر الثاني من بيانات التقاط الحركة ثلاثية الأبعاد الدقيقة. لدمج هذين المصدرين، نقترح اتباع نهج ثنائي المصدر يجمع بين تقدير الوضع الثنائي الأبعاد واسترجاع الوضع الثلاثي الأبعاد بكفاءة ومتانة. وفي تجاربنا، نوضح أن نهجنا يحقق نتائجًا رائدة في مجاله ويظل تنافسيًا حتى عند اختلاف بنية الهيكل العظمي للمصدرين بشكل كبير.