الدراسات الحديثة تعاملت مع مهمة تقدير الوضع ثلاثي الأبعاد من خلال كاميرا واحدة بشكل مرضٍ للغاية. في هذه الدراسات، يتم عادةً التعامل مع أشخاص مختلفين كحالات وضع مستقلة لتقديرها. ومع ذلك، في العديد من المواقف اليومية، يتفاعل الناس مع بعضهم البعض، ويعتمد وضع الفرد على وضع الأشخاص الذين يتفاعلون معه. في هذا البحث، ندرس كيفية الاستفادة من هذه الارتباطات لتعزيز الشبكات العميقة الحالية - وقد تكون المستقبلية - لتقدير الوضع ثلاثي الأبعاد من خلال كاميرا واحدة. شبكتنا للتفاعل في الوضع، أو PI-Net (Pose Interacting Network)، تدخل التقديرات الأولية للوضع لمجموعة متغيرة من الأشخاص المتفاعلين في هندسة متكررة تُستخدم لتحسين وضع الشخص محل الاهتمام. يعد تقييم مثل هذه الطريقة تحديًا بسبب النقص النسبي في توفر قواعد بيانات عامة مُشَرَّحة تحتوي على أوضاع بشرية ثلاثية الأبعاد متعددة الأشخاص. نظهر فعالية طريقتنا في مجموعة بيانات MuPoTS، حيث نحدد الحالة الجديدة الأكثر تقدمًا فيها. النتائج النوعية على قواعد بيانات أخرى متعددة الأشخاص (لا تتوفر فيها حقيقة الأرض للوضع الثلاثي الأبعاد) تعرض الشبكة المقترحة PI-Net. تم تنفيذ PI-Net باستخدام PyTorch وسيتم توفير الكود عند قبول البحث.请注意，这段翻译已经尽可能地遵循了您的要求，包括内容的准确性、表达的流畅度、表述的正式性和对原文的高度忠实。如果您有任何进一步的要求或需要调整的地方，请随时告知。