利用三维场景约束解决三维人体姿态歧义
本研究提出了一种基于DeepCut和SMPL模型的3D姿态估计方法，能够从单张无约束的图像中自动预测人体的姿态和形状，实现了对人体结构和运动的精确推断。
Jul, 2016
本研究提出了通过单目图像计算实现人体姿态、手部姿态和面部表情三维模型的方法，主要使用了一个新的、一致的、包含完全表达手和面部表情的人体模型SMPL-X，可以对受控图像和自然环境图片进行三维模型匹配。
Apr, 2019
本文提出了一种端到端可训练模型，以单个RGB图像感知3D场景，估计相机姿态和室内布局，并重建人体和物体网格。通过对所有估计方面施加全面而复杂的损失，我们证明了我们的模型优于现有的人体网格方法和室内场景重建方法。据我们所知，这是第一个在网格级别输出对象和人体预测，并对场景和人体姿态进行联合优化的模型。
Dec, 2020
本研究提出了一种新的任务，在人体形态和姿势估计中使用多幅图像组成的分布预测模型，使我们能够量化姿势预测的不确定性，并提高了 3D 人体形态估计度量标准。
Mar, 2021
本文介绍了一种使用可穿戴传感器来在与周围环境的3D扫描注册的人体中恢复完整的3D姿势的方法，该方法使用身体部位处的IMU和向外看的头戴式摄像机将基于相机的自定位与基于IMU的人体跟踪融合，并将3D场景约束集成到优化中，以获得无漂移的姿态精度，从而可以在更大的记录体积和更长的运动周期中捕获3D姿势，可用于虚拟现实/增强现实应用程序或通过第一人称视觉输入训练导航和与环境交互的代理。
Mar, 2021
该研究提出了一种新颖的基于稀疏约束的3D人体姿态和形状估计方法，通过高效计算 Gauss-Newton 方向并利用优化问题的稀疏约束性质，将优化时间缩短到4ms左右，并成功地将其应用于单张图像的实时运动捕捉领域。
May, 2021
通过利用人与场景的交互可有效提高单目视频的 3D 场景重建，同时优化人的姿态估计，本论文基于三种 HSI 约束条件，即深度排序、是否穿插目标、接触面，使用优化方法再形成一致、物理合理且功能性 3D 场景布局，并对其在 PROX 和 PiGraphs 数据集上进行定量定性评估。
Mar, 2022