يتناول هذا البحث مشكلة تقدير وضع الجسم البشري ثلاثي الأبعاد من صورة واحدة. نتبع خطوة قياسية ثنائية بخطوتين، حيث نقوم أولاً بتحديد موقع $N$N مفاصل الجسم في البعد الثاني، ثم استخدام هذه الملاحظات لاستنتاج وضع الجسم في البعد الثالث. بالنسبة للخطوة الأولى، نستخدم كاشفًا حديثًا يستند إلى شبكات العصبونات التلافيفية (CNN). أما بالنسبة للخطوة الثانية، فإن معظم الطرق الحالية تقوم بعملية الانحدار من 2$N$N إلى 3$N$N للإحداثيات الكارتيزية للمفاصل. نوضح أن يمكن الحصول على تقديرات أكثر دقة لوضع الجسم من خلال تمثيل كل من الوضعيات الثنائية والثلاثية الأبعاد باستخدام مصفوفات المسافات $N\times N$N×N، وصياغة المشكلة كعملية انحدار من مصفوفة المسافات ثنائية الأبعاد إلى مصفوفة المسافات ثلاثية الأبعاد. لتحقيق تعلم هذا الانحدار، نعتمد على هياكل عصبية بسيطة والتي، بطبيعتها، تضمن إيجابية وتماثل المصفوفات المتوقعة. كما يتمتع هذا النهج بميزة التعامل بشكل طبيعي مع الملاحظات المفقودة والسماح بافتراض موقع المفاصل غير المشاهدة. تظهر النتائج الكمية على مجموعتي البيانات Humaneva و Human3.6M ارتفاعًا مستمرًا في الأداء مقارنة بأحدث التقنيات. أما التقييم النوعي على الصور الطبيعية لمجموعة بيانات LSP باستخدام الانحدار الذي تم تعلمه على Human3.6M，则则则 يكشف عن نتائج عامّة جدًا وواعدة.注：最后一句中的“则则则”为误输入，正确的翻译应为：أما التقييم النوعي على الصور الطبيعية لمجموعة بيانات LSP باستخدام الانحدار الذي تم تعلمه على Human3.6M，则 يكشف عن نتائج عامّة جدًا وواعدة。修正后的句子：أما التقييم النوعي على الصور الطبيعية لمجموعة بيانات LSP باستخدام الانحدار الذي تم تعلمه على Human3.6M，则 يكشف عن نتائج عامّة جدًا وواعدة.最终版本：أما التقييم النوعي على الصور الطبيعية لمجموعة بيانات LSP باستخدام الانحدار الذي تم تعلمه على Human3.6M，则 يكشف عن نتائج عامّة جدًا وواعدة.已删除重复字符并进行了优化，确保句子更加通顺。