بسبب الغموض في العمق والاخفاء، فإن رفع الوضعيات ثنائية الأبعاد إلى ثلاثية الأبعاد هو مشكلة شديدة التعقيد. يمكن أن تجعل التوزيعات المحسوبة بدقة هذه الغموض واضحاً وتحافظ على عدم اليقين الناتج لمهام ما بعد التدفق. تظهر هذه الدراسة أن المحاولات السابقة، التي تأخذ بعين الاعتبار هذه الغموض من خلال إنشاء فرضيات متعددة، تنتج توزيعات غير محسوبة بشكل صحيح. نحدد أن سبب عدم الحساب الصحيح يمكن أن يُعزى إلى استخدام مقاييس تعتمد على العينات مثل minMPJPE. في سلسلة من المحاكاة، نوضح أن تقليل minMPJPE، كما يتم عادةً، يجب أن يتجه نحو التنبؤ المتوسط الصحيح. ومع ذلك، فإنه يفشل في التقاط عدم اليقين بشكل صحيح، مما يؤدي إلى توزيع غير محسوب بشكل صحيح. للحد من هذا المشكلة، نقترح نموذجاً دقيقاً ومحسوباً بشكل صحيح يُسمى الجريان الطبيعي الرسومي الشرطي (cGNFs). يتم تنظيم نموذجنا بحيث يمكن لجريان طبيعي رسومي شرطي واحد تقدير الكثافات الشرطية والهامشية داخل نفس النموذج - وهو حل فعال للمشكلة تقدير الكثافة بدون أي بيانات سابقة (zero-shot density estimation problem). قمنا بتقييم cGNF على مجموعة بيانات Human~3.6M وأظهرنا أن cGNF يقدم تقدير لتوزيع محسوب بشكل صحيح بينما يكون قريبًا من أفضل التقنيات الحالية من حيث minMPJPE الإجمالي. بالإضافة إلى ذلك، فإن cGNF يتفوق على الأساليب السابقة في المعالجة مع المفاصل المخفية بينما يظل محسوباً بشكل صحيح.