نقترح طريقة جديدة للكشف عن نقاط الاختفاء الأفقية ونقطة الاختفاء القمة في البيئات المصنوعة. الاتجاه السائد في الأساليب الحالية هو البحث أولاً عن نقاط الاختفاء المرشحة، ثم إزالة القيم الشاذة بفرض التعامد المتبادل. تقلب طرقتنا هذه العملية: نقترح مجموعة من الخطوط الأفقية المرشحة وتقييم كل منها بناءً على نقاط الاختفاء التي تحتوي عليها. أحد العناصر الرئيسية في نهجنا هو استخدام سياق الصورة العالمي، المستخرج باستخدام شبكة عصبية انتقالية عميقة، لتقيد مجموعة المرشحين قيد النظر. لا تقوم طرقتنا بافتراض العالم مانهاتن (Manhattan-world) ويمكنها العمل بكفاءة على مشاهد تحتوي فقط على نقطة اختفاء أفقية واحدة. نقيم نهجنا على ثلاثة مجموعات بيانات معيارية ونحقق أفضل الأداء في كل منها. بالإضافة إلى ذلك، فإن نهجنا أسرع بشكل كبير من الطريقة الأفضل السابقة.