我们提出了一种人体姿态估计框架，该框架以回归为基础，采用转换器有效地解决了姿态估计任务，使用序列预测问题的方法可以避免热图姿态估计带来的缺陷，并且通过关注机制可以适应地关注与目标关键点最相关的特征，从而大大克服了以前回归方法中存在的特征不对齐问题，而且我们的框架能够固有地利用关键点之间的结构关系，在 MS-COCO 和 MPII 数据集上的实验证明了我们的方法可以显著提高基于回归的姿态估计的最新技术水平，并且表现与最好的基于热图的姿态估计方法相当。

Mar, 2021

本文介绍了一种使用级联 Transformer 的基于回归的姿势识别方法，利用编码器 - 解码器结构实现了人体和关键点检测的回归，通过不同自注意力层中的关键点假设改进来展示了 Transformer 中的递归自注意力机制，并与竞争的回归方法进行比较得到了有竞争力的结果。

Apr, 2021

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

本论文提出了一种个性化的深度神经网络技术，通过 fine-tuning 和使用 Transformer 模型，利用自我监督目标来适应每个测试样本，从而显著提高人体姿态估计模型的表现。

Jul, 2021

本研究提出了一种端到端训练的回归方法，使用 Soft-argmax 函数将特征映射直接转换为关节坐标，避免了人工生成的基准图像，使得上下文信息可以无缝地包含在姿势预测中。实验证明该方法在人类姿势估计方面具有较高性能，可应用于多种复杂数据集。

Oct, 2017

本文提出了一种新颖的 ConvNet 模型，可预测图像中的 2D 人体姿势，通过回归每个关键点的热度图表示，并能够学习和表示部件外观和配置上下文。模型可以从头开始和端到端训练，用于改善性能的辅助损失。该模型在两个基准数据集上进行了评估，具有与最先进技术相当的性能，但不含有图形模型阶段（或层）的复杂性。

May, 2016

本文提出一种名为 “解离的关键点回归” 的有效方法，采用自适应卷积通过像素级空间变换激活关键点附近的像素并相应地从中学习特征向量，该方法在人体姿态估计上体现出良好的性能。

Apr, 2021

本研究提出了一个称为 HybridPose 的混合模型，通过最大化两种方法的优点来互相克服它们的缺点，同时引入自相关损失来注入关键点坐标和可见性之间的空间依赖性，从而在不降低姿势估计准确性的情况下展示了关键点的可见性。

May, 2023

提出了一种结构感知回归方法，利用骨代替节点进行重新参数化，使用联合连接结构定义组合损失函数来编码姿态中的长程相互作用，在 2D 和 3D 姿态估计中具有普适性并且在人体姿态估计领域的两个数据集（Human3.6M 和 MPII）中显著超越最先进的方法和竞争最先进结果的性能。

Apr, 2017

该研究提出了一种名为 Skeleton Transformer Networks 的网络框架，可以通过单张彩色图像预测出人体骨架的 3D 关节点位置和 3D 角度姿态，并从而生成蒙皮网格动画。该框架采用两步回归方法进行骨骼旋转预测，其中第一步通过考虑骨架结构回归骨骼旋转以获得初始解，第二步则基于被称为交叉热图的三维姿态表示采用热图回归器进行精细化调整。实验表明，使用该框架训练的 3D 人体姿势数据集可以在野外环境下通过单张图像准确预测出人体的 3D 姿态。

Dec, 2018