توفر النماذج ثلاثية الأبعاد قاعدة مشتركة لتمثيلات مختلفة للأجسام البشرية. وعلى نحو متزامن، أثبتت تقنيات التقدير ثنائية الأبعاد المتميزة فعاليتها كأداة قوية للحصول على تطابق ثلاثي الأبعاد "في البيئة الطبيعية". ومع ذلك، يصعب في بعض الأحيان أو يصبح مستحيلاً جمع بيانات مُصنّفة على نطاق واسع لتدريب مُقدّري ثنائي الأبعاد، وذلك اعتمادًا على درجة التفاصيل المطلوبة. نقترح في هذا العمل نهجًا هجينًا لحل هذه المشكلة: باستخدام نسخة مُوسّعة من طريقة SMPLify التي تم تقديمها مؤخرًا، نحصل على تطابقات عالية الجودة لنماذج الجسم ثلاثية الأبعاد لعدة مجموعات بيانات تُظهر تراكيب بدنية بشرية مختلفة. ويتولى المُعلّقون البشريون فقط تصنيف التطابقات بين الجيدة والسيئة. يؤدي هذا الإجراء إلى إنشاء مجموعة بيانات أولية مُسمّاة UP-3D، والتي تحتوي على تسميات غنية. ومن خلال مجموعة شاملة من التجارب، نُظهر كيف يمكن استخدام هذه البيانات لتدريب نماذج تمييزية تُنتج نتائج بمستوى غير مسبوق من التفاصيل: حيث تتنبأ نماذجنا بـ 31 منطقة على الجسم و 91 موقعًا للنقاط المرجعية. وباستخدام مُقدّر وضعية النقاط المرجعية المكونة من 91 نقطة، نقدم نتائج متقدمة في مجال تقدير وضعية الجسم وشكله ثلاثي الأبعاد، باستخدام كمية بيانات تدريب أقل بدرجة تُعدّ مرتبة من الترتيب (أي بعشرة أضعاف أقل)، دون افتراضات مسبقة حول الجنس أو الوضعية أثناء عملية التكيف. كما نُظهر أن مجموعة UP-3D يمكن تحسينها من خلال هذه التطابقات المُحسّنة، مما يُسهم في زيادة كمّها وتحسين جودتها، ما يجعل النظام قابلاً للتطبيق على نطاق واسع. وتُتاح البيانات والكود والنماذج لأغراض البحث العلمي.