الاختلاف الكبير داخل الفئة هو نتيجة للتغيرات في خصائص متعددة للأشياء. ومع ذلك، فإن الصور تظهر فقط تراكب عوامل متغيرة مختلفة مثل المظهر أو الشكل. لذلك، يشكل تعلم فصل وتمثيل هذه الخصائص المختلفة تحديًا كبيرًا، خاصة في الحالة غير المراقبة (unsupervised). بالإضافة إلى ذلك، تتطلب التحولات الكبيرة في الأشياء نموذجًا مرناً قائمًا على الأجزاء. نقدم نهجًا غير مراقب لفصل المظهر والشكل من خلال تعلم الأجزاء بشكل متسق عبر جميع حالات فئة معينة. يتم تدريب نموذجنا لتعلم تمثيل الأشياء عن طريق استغلال القيود الثابتة والمتناسقة بين الصور المتحولة اصطناعيًا بشكل متزامن. بما أن النهج لا يتطلب أي تعليمة جزئية أو معلومات سابقة عن فئة الأشياء، فإنه يمكن تطبيقه على فئات عشوائية. نقيم نهجنا على نطاق واسع من فئات الأشياء ومهمات متنوعة تشمل التنبؤ بالوضعية، وتركيب الصور المنفصلة، وترجمة الفيديو إلى الفيديو. يتفوق النهج على أحدث التقنيات في التنبؤ بالنقاط الرئيسية غير المراقب (unsupervised keypoint prediction) ويقارن بشكل ملائم حتى مع النماذج المراقبة في مهمة نقل الشكل والمظهر.