حققت التعلم العميق نجاحًا ملحوظًا في العديد من مهام التعرف البصري ثلاثي الأبعاد، مثل تصنيف الأشكال واكتشاف الأجسام والتقسيم الدلالي. ومع ذلك، تعتمد الكثير من هذه النتائج على جمع البيانات ثلاثية الأبعاد الحقيقية المُشَرَّحة كثيفًا يدويًا، وهو أمر يستغرق وقتًا طويلاً ويكلف الكثير للحصول عليه، مما يحد من قابلية توسعة مهام التعرف ثلاثي الأبعاد. لذلك، ندرس التعرف الثلاثي الأبعاد بدون إشراف ونقترح إطار عمل "التعلم الذاتي-التسمية الذاتية للتعرف الثلاثي الأبعاد" (SL3D). يعمل SL3D على حل هدفين متداخلين في آن واحد، وهما التجميع وتعلم تمثيل الميزات لتوليد بيانات مشفرة بشكل زائف لمهام التعرف الثلاثي الأبعاد بدون إشراف. يعتبر SL3D إطار عمل عام يمكن تطبيقه لحل مختلف مهام التعرف الثلاثي الأبعاد، بما في ذلك التصنيف واكتشاف الأجسام والتقسيم الدلالي. تُظهر التجارب الواسعة فعاليته. يمكن الوصول إلى الكود عبر الرابط: https://github.com/fcendra/sl3d.