在这篇论文中，我们引入了稀疏性来改善人体姿势估计，在 MPII 数据集上的实验证明了我们的模型具有更高的准确性和新的最先进结果，并且对其他基于 Transformer 的模型提供了参考。

Nov, 2023

提出了一种名为 PCT 的结构化表示方法，将人体姿势表示为 M 个离散的标记，以探索关节依赖关系，同时将姿势估计作为分类任务。实现了较低代价下小的重构误差，能够在遮挡情况下仍具备较好的表现。

Mar, 2023

从单个图像中推断 3D 人体姿态和形状的问题，重点关注 3D 准确性。目前最好的方法利用大量的 3D 伪地面真值 (p-GT) 和 2D 关键点数据集，以实现稳健性能。我们观察到，随着 2D 准确性的提高，3D 姿势准确性出现矛盾下降。错误的 3D 姿势是由于当前相机模型的偏差和 2D 关键点与 p-GT 的准确匹配引起的。我们定量化了当前相机模型引入的误差，并证明精确拟合 2D 关键点和 p-GT 会导致错误的 3D 姿势。我们提出了新的阈值自适应损失缩放 (TALS) 来惩罚较大的 2D 和 p-GT 损失，但不惩罚较小的损失。此方法可以解释 2D 数据的多个 3D 姿势，为了减少模糊性，我们需要一个先验来限制人体姿势的有效空间，我们利用人体姿势的 Token 编码重新定义了问题，这有效地引入了一个统一的先验。基于 EMDB 和 3DPW 数据集的大量实验证明，我们改进的关键点损失和 Token 编码使我们能够在野外数据上进行训练，并提高了 3D 准确性，我们的模型和代码可供研究使用。

Apr, 2024

提出一种基于 Transformer 的模型，使用三种独立的 tokens 学习人体的 3D 关节旋转，身体形状和位置信息，进而估算 SMPL 参数，从而解决单目图像或视频中 3D 人体姿态和形状估计的困难问题，并具有较好性能。

Mar, 2023

本文介绍了一种名为 TransPose 的模型，它是用 Transformer 来进行人体姿态估计的，能够有效地捕捉长距离的关系以及细粒度的图像依赖关系，并通过产生热力图来进行关键点的定位。基于此，模型可以实现更快速的处理速度和更轻量化的模型结构。

Dec, 2020

提出了一种基于 KeyTrack 的多人姿势跟踪方法，使用 Pose Entailment 方法跟踪人体关键点，使用 Transformer-based 网络分类判断姿势是否在时间上紧随另一个姿势，同时还使用一种无需参数的关键点精细化技术改进估计方法，在 PoseTrack'17 和 PoseTrack'18 基准测试中取得了最先进的结果。

Dec, 2019

该论文提出了一种基于 Transformer 的 2D 人体姿态估计方法 ——Token-Pruned Pose Transformer（PPT）及其多视点姿态估计扩展，使用自我注意力仅在选定的标记中进行计算，采用一种名为人体区域融合的新的跨视图融合策略，通过在多视角中对来自多视点的提示进行高效融合，进而实现了与以前人体姿态 Transformer 方法相同的准确度，同时减少了计算量，并在 Human 3.6M 和 Ski-Pose 数据集上取得了新的最优结果。

Sep, 2022

本文提出了一种从单个静态图像中估计人体姿态的新方法，其采用卷积神经网络，使每个图像位置基于密集的多目标投票来预测人体关键点位置，并计算出相应关节的联合概率，最终通过关键点投票和联合概率来确定最优的人体姿态配置，并在 MPII Human Pose 数据集上展示了较为竞争的性能。

Mar, 2016

该研究提出了一种名为 Click-Pose 的端到端神经交互式关键点检测框架，相比于仅使用手动标注，能够大大降低 2D 关键点注释的标注成本，并探索用户反馈如何与神经关键点检测器合作，在交互方式下更快、更有效地修正预测的关键点。

Aug, 2023

提出了使用动态转换模型的稀疏高分辨率表示来进行人体姿势估计的框架 SHaRPose，并通过实验证明了其优越性能。

Dec, 2023