提出了一种模块化和简单的高度标准化方案，通过将主体骨架重定位到所需位置，标准化比例并解脱两个变量之间的关系，显著提高了部分身体测量估计。此方法在多视图设置下也具有适用性。

Apr, 2024

本文提出了一种通过分析运动轨迹和重力引力，从单目图像中测量一个人高度的方法，可以避免额外的假设和数据采集，实验表明，该方法的平均绝对误差可以达到 3.9 厘米。

Sep, 2019

本文提出了一种基于学习的模型，利用少量单目视频帧 (1-8 帧) 从移动的人中推断出其个性化的 3D 形状，可在不到 10 秒内达到 5mm 的重建精度。该模型学习预测一个统计体型模型的参数和实例化偏移量，同时加入衣服和头发的形状，具有快速和准确的预测，这得益于其对 T-pose 空间的预测和从上往下和从下往上两个视图预测的结合。该模型仅基于合成的 3D 数据进行学习，可将可变数量的帧作为输入，即使仅有一张图像，也能以 6mm 的精度重建形状。3 个不同数据集的结果表明了本方法的有效性和准确性。

Mar, 2019

本文提出了一个从单一图像中分类人体形状的方法，该系统不需要 3D 身体重建，可以在嘈杂的环境中进行操作，可以用于推荐合适的尺寸和试穿系统。

May, 2023

提出了一种基于面部识别网络的监督学习方法 MICA，能够实现更精确的面部重建和跟踪，且在当前的非度量基准测试和度量基准测试上都有着较大的优势。

Apr, 2022

本篇文章调查了单目三维人体网格恢复的相关任务，包括身体模型，恢复框架 / 训练目标，数据集评估指标和评测结果，并从优势和劣势方面深入分析了两种范式：优化和回归。作者希望激励研究人员的兴趣，促进该领域的研究。

Mar, 2022

通过结合街景图像和几何约束，本文提出了一种改进单目高度估计的方法，实验结果表明该方法比基线方法更准确且在精度和结构一致性方面有显著改进。

Nov, 2023

通过采集互联网上的时尚模特图片和一小部分人体测量数据，以及用于各种三维身体网格的语言形状属性，我们训练了一种名为 SHAPY 的神经网络，该模型可从 RGB 图像中回归出三维人物的姿态以及形状。在新的 HBW 数据集上进行测试，SHAPY 在三维人体形状估计任务上表现出色，明显优于现有技术。

Jun, 2022

本文提供一种基于学习的方法来从单个肖像图像中恢复人头的 3D 几何形状，并且使用参数化 3D 人脸模型来表示头部几何形状以及其他头部区域的深度图，同时使用双目立体匹配方法从具有野外人脸的图像中学习头发和耳朵的几何信息，最后，评估和对比结果表明该方法可以产生高保真的 3D 头部几何形态和头部姿态操作结果。

Apr, 2020

这篇论文介绍了一种综合解决方案，用于遥感中的单眼高度估计，被称为 HeightFormer，结合了多级相互作用和图像自适应分类 - 回归。

Oct, 2023