في السنوات الأخيرة، شهدنا ازدهارًا في الأبحاث المتعلقة بالتعلم شبه المشرف (Semi-Supervised Learning) وإعادة بناء تخطيط الغرف ثلاثية الأبعاد (3D Room Layout Reconstruction). في هذا العمل، نستكشف تقاطع هذين المجالين لتعزيز الهدف البحثي المتمثل في تمكين نمذجة مشاهد داخلية ثلاثية الأبعاد أكثر دقة باستخدام كمية أقل من البيانات المصنفة. نقترح أول منهجية لتعلم تمثيلات الزوايا والحدود الغرفة باستخدام مزيج من البيانات المصنفة وغير المصنفة لتحسين تقدير التخطيط في مشهد بانورامي بزاوية 360 درجة. من خلال التجارب التحليلية الواسعة، نثبت أن منهجيتنا يمكنها تحسين تقدير التخطيط لمشاهد داخلية معقدة باستخدام ما يصل إلى 20 مثالًا مصنفًا فقط. عند الجمع بينها وبين متنبئ التخطيط مدرب مسبقًا على بيانات اصطناعية، فإن طريقة التعلم شبه المشرف لدينا تحقق نفس أداء الطريقة المشرفة بالكامل باستخدام فقط 12% من العلامات. يعتبر عملنا خطوة مهمة أولى نحو تقدير تخطيط قوي شبه مشرف يمكنه تمكين العديد من التطبيقات في الإدراك ثلاثي الأبعاد باستخدام بيانات مصنفة محدودة.