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

我们提出了 TRAM 方法，一个两阶段的方法，从野外视频中重建人类的全局轨迹和运动。通过增强 SLAM 以在存在动态人类的情况下恢复相机运动，并利用场景背景来推导运动尺度。利用恢复的相机作为度量尺度参考帧，我们引入一个视频转换模型 (VIMO) 来回归人类的运动。通过组合这两个运动，我们实现了对世界空间中 3D 人体的准确恢复，相对于之前的工作，全局运动误差减少了 60%。

Mar, 2024

本研究提出了一种从野外视频中重建全球人类轨迹的方法，该优化方法将相机和人类运动解耦，减少背景像素对推断 3D 人类运动的影响，使用数据驱动的先验信息来恢复全局人类轨迹。

Feb, 2023

本文报告了一种基于单目 - SLAM 系统的 BodySLAM，同时估计人体位置、形态、姿态、摄像机轨迹等参数，并且引入新的人体运动模型，提高估计结果的准确性。

May, 2022

本研究利用物理引擎对姿态估计过程进行改进，从而使得我们可以利用现实世界的场景推导出物体的运动。我们的公式具有广泛的应用场景，并可处理自身接触和与场景几何之间的接触。我们的方法在 Human3.6M 和 AIST 基准测试中均获得了与现有基于物理的方法相竞争的结果，同时不需要重新训练。

May, 2022

本文提出了一种新颖的面向地平面的运动模型 GraMMaR，该模型可以通过训练实现 3D 人体运动重建，并通过优化策略实现了具有密集连续性的人地交互一致性，从而在匹配各种复杂情况和模型训练表现上有了很好的结果。

Jun, 2023

本文介绍了一种基于物理模型的方法，用于从视频中推断 3D 人体运动，该方法利用初始的 2D 和 3D 姿态估计作为输入，并通过物理轨迹优化得出一个符合物理规律的运动。实验结果显示，相较于纯运动学方法，该方法能够显著地提高动作的真实性和准确性。

Jul, 2020

通过直接校准未知的尺度因子，Optimization-free Camera Motion Scale Calibration (OfCaM) 提供了一种新的方法来实现准确的相机运动尺度校准，从而改进了全局人体运动估计任务，相较于基于优化方法，能降低全局人体运动误差 60% 且推理时间成本更低。

Jun, 2024

该研究通过基于束调整的算法从单眼视频中恢复准确的 3D 人体姿势和网格，通过在整个序列上重建人体来提供额外的约束并解决歧义问题。同时，该研究提出了一个包含超过 3 百万帧来自 Kinetics 的 YouTube 视频数据集，能够提高 3D 运动估计的准确性，该算法具有实际意义。

May, 2019

通过观察人类运动的视觉序列，我们可以轻松猜测人在过去和未来的 3D 运动。我们提出了一个可以学习人类 3D 动力学表示的框架，通过简单而有效的图像特征时间编码。在测试过程中，学习到的时空表示能够预测具有平稳性的 3D 网格。我们的模型可以从单个图像中恢复当前的 3D 网格以及它未来和过去的 3D 运动，同时也可以通过半监督学习从带有 2D 姿态标注的自然视频中学习。我们通过对来自互联网海量未标记数据的模型训练，通过已有的 2D 姿态检测器得到伪基础真值 2D 姿态，证明了我们的模型可以自举学习并在三维动作预测任务中获得最新的性能。

Dec, 2018