رغم التقدم الكبير، نظهر أن طرق تقدير الوضع والشكل البشري ثلاثي الأبعاد الأكثر تقدماً لا تزال حساسة للحجب الجزئي ويمكن أن تنتج توقعات خاطئة بشكل كبير حتى عند ملاحظة معظم الجسم. لمعالجة هذا، نقدم آلية انتباه مرنة تُعرف باسم "مقدر انتباه الأجزاء" (PARE)، والتي تتعلم التنبؤ بقناعات الانتباه الموجهة بالأجزاء الجسدية. نلاحظ أن الطرق الأكثر تقدماً تعتمد على تمثيلات الخصائص العالمية، مما يجعلها حساسة حتى للحجب الصغير. بالمقابل، تتغلب آلية الانتباه الموجهة بالأجزاء في PARE على هذه المشكلات من خلال استغلال المعلومات حول مدى رؤية الأجزاء الجسدية الفردية مع الاستفادة من المعلومات المنبثقة من الأجزاء المجاورة للتنبؤ بالأجزاء المحجوبة. نظهر بشكل كيفي أن PARE يتعلم قناعات انتباه منطقية، وتؤكد التقييمات الكمية أن PARE يحقق نتائج إعادة بناء أكثر دقة ومتانة من الأساليب الحالية في كل من مقاييس الحجب الخاصة والمقاييس القياسية. الرمز والبيانات متوفرين لأغراض البحث على الرابط التالي: \url{https://pare.is.tue.mpg.de/}