أصبح توليد البيانات ثلاثية الأبعاد باستخدام الشبكات العصبية العميقة محط اهتمام متزايد في المجتمع البحثي. تعتمد معظم الدراسات الحالية على تمثيلات منتظمة مثل الشبكات الحجمية أو مجموعات الصور؛ ومع ذلك، فإن هذه التمثيلات تُبقي على التماثل الطبيعي للأشكال ثلاثية الأبعاد تحت التحولات الهندسية مخفيًا، كما تعاني من عدد من المشكلات الأخرى. في هذا البحث، نتناول مشكلة إعادة بناء الأشكال ثلاثية الأبعاد من صورة واحدة، ونُنتج شكلًا مباشرًا للإخراج – إحداثيات السحابة النقطية. ومع هذه المشكلة تظهر مشكلة فريدة ومثيرة للاهتمام، وهي أن الشكل الحقيقي (القيمة الحقيقية) للصورة المدخلة قد يكون غير محدد بوضوح. مدفوعين بهذا الشكل غير التقليدي للإخراج والغموض المتأصّل في القيم الحقيقية، نصمم بنية معمارية، ووظيفة خسارة، ونمط تعلّم جديد وفعال. تُعدّ الحل النهائي لدينا عبارة عن مُعدّل شكل شرطي، قادر على التنبؤ بعدة سحابات نقطية ثلاثية الأبعاد محتملة من صورة مدخلة واحدة. وقد أظهرت التجارب أن نظامنا لا يفوق الطرق الرائدة في مجال إعادة بناء الأشكال ثلاثية الأبعاد بناءً على صورة واحدة فحسب، بل يُظهر أيضًا أداءً قويًا في مهام استكمال الأشكال ثلاثية الأبعاد، ويُبدي إمكانات واعدة في إنتاج تنبؤات متعددة ممكنة.