本文提出了一种用于学习将身体相似姿势的图像放置在附近的 embedding 方法，该方法可以作为一种直接比较基于人体姿势的图像的方法，避免了估计身体关节位置的潜在挑战。通过三元组距离准则构建了姿态嵌入学习，采用深度架构，使能够学习区分不同姿态的表征，文中的实验在人体姿态匹配和从视频数据中检索上展示了该方法的潜力。

Jul, 2015

提出了一种名为 TexVocab 的新方法，通过构建纹理词汇表并将人体姿势与纹理映射关联，从而充分利用多视角基于视频的人物建模中可用的图像证据，以实现细致和动态的人物表现。

Mar, 2024

本文使用 2Djoint keypoints 学习压缩的视角不变嵌入空间，通过建立概率嵌入模型，实现对不同视角人体姿态的相似性识别，相关技术可应用于姿态识别和视频对齐等方面。

Dec, 2019

本文提出了一种姿势语法，以解决三维人体姿势估计问题，并验证了其在不同视角下的泛化能力。

Oct, 2017

本研究提出了一种几何感知的人体姿态三维表示方法，通过使用多个视角和简单的自编码器模型以 2D 关键点信息为监督，在训练阶段建立共享的 3D 表示，进而通过骨架编码器 - 解码器机制在潜在空间提取仅与姿态相关的表示。实验结果表明，该方法能够显著提高现有姿态估计方法的性能。

Mar, 2019

通过自我监督学习利用时空关系进行姿态嵌入的深度卷积网络，包括时序和空间任务，在数据采样中利用一种课程学习方法，并挖掘单个视频中的重复姿态，以提高姿势估计和检索效果。

Aug, 2017

本文提出了 PoseScript 数据集，该数据集对 AMASS 的几千个 3D 人体姿势与丰富的人体注释描述进行了配对。我们提出了一种详细的字幕生成过程，通过一组简单但通用的规则从给定的 3D 关键点提取低级姿势信息 —— 姿势码，然后使用句法规则将姿势码组合成更高级别的文本描述。自动注释大大增加了可用数据量，并使得在人类字幕微调预训练的深度模型上变得可能。

Oct, 2022

我们提出了一种新颖的虚拟人物表示方法，用于高度逼真的实时动画和渲染 3D 应用程序。我们从最先进的多视角视频重建中获取高精度的动态网格序列，学习姿态相关的外观和几何形状，并利用统计身体模型来限制搜索空间，以实现更高效、有针对性的学习和定义姿态依赖性。通过在 SMPL 模型的一致 UV 空间中学习观察到的几何与拟合的 SMPL 模型之间的差异，我们能够在模型中编码姿态相关的外观和几何形状，从而不仅保证了较高水平的真实感，还促进了虚拟人物的实时处理和渲染。

Oct, 2023

本文提出了一种利用深度神经网络进行结构化输出学习的方法，用于从单眼图像中估计 3D 人体姿势。该方法将图像和 3D 姿势作为输入，通过卷积神经网络将图像特征提取出来，并通过两个分支网络将图像特征和姿态转换为联合嵌入，然后将联合嵌入相乘得到一个分数值。通过最大间隔代价函数来联合训练联合嵌入和分数函数，实现的网络为一种特殊形式的结构化支持向量机，它是使用深度神经网络区别性地学习联合特征空间。在 Human3.6m 数据集上测试了这个框架，并与其他最近的方法进行了比较，得到了最先进的结果。最后，我们展示了图像 - 姿态嵌入空间的可视化，证明了网络已经学习到了高水平的身体方向和姿态配置。

Aug, 2015

本文提出了一种基于深度学习回归体系结构的 3D 人体姿势结构预测方法，该方法借助于过度完备的自动编码器并考虑关节从属关系，优于现有技术，包括结构保留和预测准确性两方面。

May, 2016