A medida que se han introducido muchas nuevas técnicas de codificación y estructuras de codificación para mejorar aún más la eficiencia de codificación de mapas de profundidad en extensiones de video 3D, la complejidad de codificación ha aumentado considerablemente. Ahora se necesitan algoritmos rápidos para mejorar las decisiones de profundidad de la unidad de codificación (CU) y la decisión del patrón de codificación basado en la codificación. Este artículo presenta un enfoque innovador basado en el aprendizaje automático destinado a mitigar la complejidad asociada con los algoritmos de codificación en cuadro. Construimos diferentes modelos de agrupamiento para diferentes tamaños de CU para agrupar CUs del mismo tamaño y decidir sus tamaños de CU. Esto se logra mediante la ampliación del agrupamiento de conjuntos a través de la propagación acelerada de similitudes de agrupamiento, considerando CU con la misma complejidad de textura similar a la selección de profundidad de CU, que se informa mediante un análisis exhaustivo de la textura original y sus elementos vecinos. Los hallazgos experimentales demuestran que el esquema propuesto produce una reducción promedio sustancial del 44.24% en el tiempo de codificación. Notablemente, el incremento correspondiente en la tasa de bits delta de Bjøntegaard (BDBR) observado para la vista sintética es de apenas 0.26%.