تقدير الوضع البشري ثلاثي الأبعاد من صورة واحدة هو مشكلة معقدة، خاصة في البيئات الطبيعية بسبب نقص البيانات المُشَرَّحة ثلاثيًا. نقترح في هذا البحث دالتين خسارة ملهمتين تشريحياً واستخدامهما ضمن إطار تعلم ضعيف الإشراف لتعلم مشترك من بيانات ثنائية الأبعاد على نطاق واسع في البيئات الطبيعية ومن بيانات ثلاثية أبعاد داخلية أو مُصَنَّعة. كما نقدم شبكة زمنية بسيطة تستغل الدلالات الزمنية والهيكلية الموجودة في سلاسل الوضع المتوقعة لتحقيق توافق زمني للتقديرات الوضعية. قمنا بتحليل المقترحات بدقة من خلال تصور سطوح الخسارة وتحليل الحساسية لتسهيل فهم أعمق لآلية عملها. يحسن أنبوبنا الكامل الحالة الفنية الرائدة بنسبة 11.8٪ و12٪ على قاعدة بيانات Human3.6M وMPI-INF-3DHP على التوالي، ويُنفَذ بمعدل 30 إطارًا في الثانية على بطاقة رسوميات عادية.