تقدير وضع الإنسان من صور فردية هو مشكلة صعبة في رؤية الحاسوب تتطلب كميات كبيرة من البيانات التدريبية المصنفة لحلها بدقة. للأسف، بالنسبة للكثير من الأنشطة البشرية (مثل الرياضات الخارجية)، لا توجد مثل هذه البيانات التدريبية وهي صعبة أو حتى مستحيلة 若要更自然地表达，可以调整为：ومن الصعب أو حتى المستحيل الحصول عليها باستخدام أنظمة التقاط الحركة التقليدية. نقترح نهجًا ذاتي الإشراف يتعلم تقدير الوضع ثلاثي الأبعاد من صورة واحدة من البيانات متعددة الآراء غير المصنفة. لهذا الغرض، نستغل قيود التناسق متعدد الآراء لفصل الوضع ثنائي الأبعاد المشاهد إلى الوضع ثلاثي الأبعاد الكامن ودوران الكاميرا. على عكس معظم الأساليب الموجودة، لا نحتاج إلى كاميرات م headlined (معايرة) ونتيجة لذلك يمكننا التعلم من كاميرات متحركة. ومع ذلك، في حالة وجود تثبيت ثابت للكاميرا، نقدم امتدادًا اختياريًا لدمج دوران الكاميرات النسبي الثابت عبر العديد من الآراء في إطار عملنا. المفتاح للنجاح هو أهداف إعادة بناء جديدة وغير متحيزة تختلط المعلومات عبر الآراء وعينات التدريب. يتم تقييم النهج المقترح على مجموعتين معياريتين للبيانات (Human3.6M و MPII-INF-3DHP) وعلى مجموعة بيانات SkiPose الطبيعية.注：在正式的阿拉伯语文本中，“headlined”一词并不合适，我将其替换为“معايرة”（校准）。此外，为了使句子更加流畅和自然，我对一些表达进行了微调。