نقدم حلين جديدين لتقدير الوضع البشري ثلاثي الأبعاد من عدة زوايا رؤية، اعتمادًا على طرق تثليث قابلة للتعلم جديدة تجمع المعلومات ثلاثية الأبعاد من عدة صور ثنائية الأبعاد. الحل الأول (الأساسي) هو تثليث جبري قابل للتفاضل بسيط مع إضافة أوزان الثقة المقدرة من الصور الإدخال. أما الحل الثاني فيعتمد على طريقة جديدة لتجميع الحجوم من خرائط الميزات الأساسية ثنائية الأبعاد الوسيطة. يتم تحسين الحجم المتجمع بعد ذلك عن طريق عمليات التفاضل الثلاثية الأبعاد التي تنتج الخرائط الحرارية النهائية للمسارات ثلاثية الأبعاد وتسمح بنمذجة أولوية الوضع البشري. وبشكل حاسم، فإن كلا النهجين قابلين للتفاضل من البداية إلى النهاية، مما يتيح لنا تحسين المقاييس المستهدفة مباشرة. نظهر قابلية نقل الحلول عبر مجموعات البيانات وتحسيننا بشكل كبير لحالات الفن الأولى متعددة الزوايا في مجموعة بيانات Human3.6M (human3.6m). سيتم نشر عرض الفيديو والشروحات والمواد الإضافية على صفحة مشروعنا (https://saic-violet.github.io/learnable-triangulation).