提出了一种在现有 2D 姿态检测器的基础上，从单张图像中估计 3D 人体姿态的方法，通过线性组合稀疏基，实施限制并优化，得出该方法在三个基准数据集上的表现优于现有技术。
Jun, 2014
本文探讨了通过 2D 姿态估计和 3D 运动捕捉数据简单推理得出三维人体姿态的方法，并演示了该方法优于目前大部分直接由 2D 测量回归三维姿态估计系统的现有方法。
Dec, 2016
本文提出了一种用于从单个RGB图像中估计人类姿势的统一方法，通过联合推理2D关节估计和3D姿势重建来改善两个任务，并使用可信的3D地标位置知识来对更好的2D位置进行搜索，并通过多级卷积神经网络架构综合了3D人体姿势的概率知识，并在Human3.6M数据集上进行了端到端的训练，最终获得了在2D和3D误差上优于之前方法的最新结果。
Jan, 2017
本研究提出一种利用双重数据源，结合深度神经网络和运动捕捉数据，实现从单张图片中估计三维人体姿态的方法，并对该方法进行了全面评估。
May, 2017
提出了一种新的单次拍摄的方法来从单目RGB相机中对一般场景中的多人进行3D姿态估计，该方法使用新颖的鲁棒姿势地图（ORPM），该地图能够在其他人和场景中的强烈部分遮挡下实现全身姿态推断，并通过人体部位关联，在不需要显式边界框预测的情况下推断任意数量的人的3D姿态，并通过实际图像中显示的大型多人交互和遮挡的第一个大规模训练数据集MuCo-3DHP进行培训，并在我们的新挑战性的3D注释多人测试集MuPoTs-3D上取得了良好的性能。
Dec, 2017
本文提出了一种通过多视角的训练，使用一致性约束联合监督损失及惩罚项实现替代大量标注的3D人体姿态估计方法，并提出了一种联合估计相机姿态及人体姿态的方法，在3D人体姿态估计方面取得了良好的表现。
Mar, 2018
通过弱监督学习和人群注释者提供的深度相对估计信号，我们提出一种 3D 人体姿势估计算法，用于只在 2D 输入图像中学习。结果竞争力优于目前现有算法，可为在未经过精心控制的现实世界中进行3D姿势估计开辟道路。
May, 2018
本文提出了一种通过RGB-D相机捕捉的配对颜色和深度图像来学习三维姿态估计的新方法，通过学习合成深度图像并将其与实际深度图像对齐，实现了仅在颜色图像上进行三维手部姿势估计和三维物体姿势估计的任务，并在不需要颜色图像的任何注释的情况下，在流行的基准数据集上实现了可比较的性能。
Oct, 2018
本文提出了一种自我监督的方法，利用未标注的多视角数据学习单图像三维姿态估计器，通过多视角一致性约束将观察到的二维姿态分离成基础的三维姿态和相机旋转，并且提出了新的、无偏的重建目标函数，跨视角和训练样本混合信息。该方法在两个基准数据集（Human3.6M和MPII-INF-3DHP）和野外SkiPose数据集上进行了评估。
Nov, 2020
通过使用多视角数据对单目人体姿态估计模型进行微调，引入新的一致性损失函数，提升性能，从而实现对特定应用定制模型的实用和经济有效解决方案。
Nov, 2023