本研究提出一种新颖的、高效的多人姿态估计方法，通过图模型的全局关键点最大化关联和每个关节的多峰预测，实现在拥挤场景下的准确姿态估计和高效推理，并提供新的数据集以更好地评估算法。在CrowdPose数据集上，本方法的mAP优于最先进的方法5.2，并在MSCOCO数据集上验证了本方法的泛化能力。

Dec, 2018

本文介绍了一种多人3D姿态估计的快速、鲁棒方法，使用多方式匹配算法来解决在噪声和不完整的2D姿态预测中查找跨视角对应关系的主要挑战，并结合几何和外观提示进行跨视角匹配。

Jan, 2019

本论文提出了一种基于多个校准相机视角的、面向实时应用的多人三维姿态估计解决方案，利用视频中的时间一致性直接在三维空间中匹配二维输入与三维姿态，通过跨视图多人跟踪迭代地更新姿态，从而提高了准确性和效率，并介绍了新的大规模多人数据集。

Mar, 2020

本研究提出了一种从校准相机组中估计多个人的3D人体姿态的方法，通过多个视角估计人体姿态在全局坐标系内，并利用二分图匹配跟踪多人在多帧中实现特别高效的3D解决方法，取得了最先进的结果。

Jan, 2021

本文提出了一种基于平面扫描立体摄像的多视角三维姿态估计方法，通过深度回归实现目标相机视图中每个二维姿态的每个关节的深度估计，并通过多个参考摄像机视图隐式实施交叉视图一致性约束，从而正确获得三维姿态.

Apr, 2021

本文介绍了一种从多个校准相机视角估计多个人的3D姿势的方法，通过使用图神经网络以及特定任务的模块实现了高性能、低计算复杂度的结果。

Sep, 2021

本文提出了一种基于多视图图像的多人姿态估计方法，在统计参数体模型的引导下，这种方法能够更好地纠正不合理的3D姿态估计和填充缺失的关节点检测，将2D和3D观测联系起来，从而更准确地估计3D姿态并且具有较好的泛化性能，实验表明该方法的效果优于现有的方法。

Oct, 2021

本论文提出了一种新的统一模型，通过结构化2.5D姿势估计和端到端几何感知深度推理方法相结合，解决了估计单目多人3D姿势以摄像机为中心坐标的问题，相比于现有的自顶向下和自底向上方法，我们的模型在准确性和速度方面都表现出色。

Jul, 2022

本文研究多人姿态估计问题，提出了一种基于多视图系统和深度学习的方法，通过使用图神经网络模型预测场景中不同人之间的视角对应关系，并使用多层感知器模型将2D点转换为每个人的3D姿态。该模型采用自监督学习方式进行训练，从而避免了对大规模3D数据集的依赖。

Dec, 2022

通过将跨视图人物匹配视为一个聚类问题，利用人物匹配获得对应关系，通过多视图三角测量和束调整估计三维人体姿势，本方法在无需相机位置和三维训练数据的情况下，优于其他方法对跨视角人物匹配，在三维人体姿势估计方面达到了目前技术水平，并在不同环境设置的五个数据集上展现了良好的泛化能力。

Dec, 2023