通过引入两个关键元素，即分离的注意力操作和基于 SMPL 的目标表示，本文提出了一种面向 SMPL 的 Transformer 框架（SMPLer），通过有效利用 Transformer 中的高分辨率特征来解决了现有 monocular 3D human shape 和 pose estimation 模型在计算和内存复杂度方面的问题，并通过多个新模块进一步提高重建性能。在实验证明了 SMPLer 在量化和定性方面都比现有的 3D human shape 和 pose estimation 方法效果更好，其中在 Human3.6M 数据集上实现了 45.2 毫米的平均关节定位误差，相较于 Mesh Graphormer 提升了 10% 以上且参数数量不到三分之一。

Apr, 2024

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

为解决估计人体姿态和形状方法在真实场景中可能面临的数据偏移问题，本文提出了一种基于解释性参数的模拟器和一种学习测试方法 PoseExaminer，该方法利用多智能体强化学习系统协作探索高维人体姿态图像参数空间，通过揭示现有模型的局限性，并利用 PoseExaminer 发现的失败模式来进行微调，提高现有方法的鲁棒性和性能。

Mar, 2023

本研究通过 ExPose 方法，在 RGB 图像中直接完成人体、面部和手部的三维捕捉及表达，与现有优化方法相比，更加准确、高效。

Aug, 2020

本研究提出了一种比 SMPL 更为优秀的 3D 人体姿态和形状估计、合成和分析方法 STAR，通过每个关节的姿势修正和基于身体姿势和 BMI 的形状相关姿势修正深度学习而得，同时通过对较多女性和男性对象的训练提高了模型的推广和应用性。

Aug, 2020

利用摄像头视频准确地估计人体和摄像头在世界坐标系中的轨迹是一个既希望实现又具有挑战性和没有确切解的问题。该研究旨在通过充分利用世界、人体和摄像头之间的协同作用，共同恢复富有表现力的参数化人体模型（即 SMPL-X）和相应的摄像头姿势，基于两个关键观察结果，即相机框架的 SMPL-X 估计方法可以方便地恢复人体的绝对深度，以及人体动作本质上提供绝对空间线索。通过整合这些洞察，我们引入了一种新的框架，称为 WHAC，以促进基于世界的富有表现力的人体姿势和形状估计，并且无需依赖传统的优化技术进行相机姿势估计。此外，我们还提供了一个新的合成数据集，WHAC-A-Mole，其中包括准确标注的人体和摄像头，并具有多样化的人体交互动作和逼真的摄像头轨迹。对标准和新建立的基准的广泛实验证明了我们框架的优越性和效果。我们将公开提供代码和数据集。

Mar, 2024

本研究聚焦于通过学习来自单目 RGB 视频的人类化身的表现力，介绍了一种可驾驶的人类模型 EVA，该模型通过基于 3D 高斯分布和 SMPL-X 的精细塑造，旨在提升表现力；研究重点包括解决 SMPL-X 模型与 RGB 帧对齐的重要性、上下文感知的密度控制策略以及预测的反馈机制。在两个基准测试上进行的大量实验证明了我们的框架在定量和定性上的优越性，尤其在手部和面部细节方面。

Jul, 2024

使用多视角图像建议一种可伸缩的神经网络框架来重建 SMPL 模型子空间中的人体 3D 网格，并在现实图像上表现优异，特别是在形状估计方面。

Aug, 2019

本研究提出了 EfficientHRNet，这是一系列轻量级多人姿势估计器，能够在资源受限设备上实时执行姿势估计操作。通过将模型缩放的最新进展与高分辨率特征表示的统一，EfficientHRNet 在降低计算量的同时创建高度准确的模型，最大的模型能够在 1/3 的计算量和 1/3 的功率的情况下，实现与现有最先进水平相近的精度。

Jul, 2020

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