نقدم أنبوب تسمية آليًا لاستعادة المكعبات التسعة الأبعاد (9D) والأشكال ثلاثية الأبعاد (3D) من محددات ثنائية الأبعاد (2D) جاهزة ومدربة مسبقًا ومن بيانات ليدار نادرة. يحل طريقة تسميتنا الآلية مشكلة عكسية غير محددة بشكل صحيح من خلال اعتبار الأولويات الشكلية المُتعلمة وتحسين المعلمات الهندسية والفيزيائية. للتعامل مع هذه المشكلة الصعبة، نطبق محرك رسم أشكال قابل للمفاضلة جديد على حقول المسافة الموقعة (SDF)، مع الاستفادة من فضاءات الإحداثيات المرجعية المعتمدة (NOCS). يتم تدريب الطريقة في البداية على بيانات اصطناعية لتوقع الشكل والإحداثيات، ثم تستخدم هذه التوقعات لتحقيق التوافق الإسقاطي والهندسي على العينات الحقيقية. بالإضافة إلى ذلك، نقترح استراتيجية تعلم منهجي، حيث يتم إعادة التدريب تكرارياً على عينات تتزايد صعوبتها في دورات التسمية الذاتية المتتالية. تظهر تجاربنا على مجموعة بيانات KITTI3D أننا يمكننا استعادة كمية كبيرة من المكعبات الدقيقة، وأن هذه التسميات الآلية يمكن استخدامها لتدريب محددات السيارات ثلاثية الأبعاد بنتائج رائدة في مجالها.