提出了一种基于 UCITD 方法的姿态识别技术，该技术通过长波长红外线技术对人体进行高分辨率的姿态信息捕捉，形成了一个完全标注的姿态数据集同时也证明其在医疗和医疗保健应用中具有巨大的实用价值。

Jul, 2019

研究了如何使用压力敏感垫和卷积神经网络来预测人体在床上的三维姿态，从而使机器人在床上的应用更加有效。

Apr, 2018

本文介绍了利用卷积神经网络、红外图像采集技术和方向梯度直方图矫正方法解决特殊环境下的床上人体姿势估计的问题。通过特定数据集和网络层有针对性地微调预训练的卷积姿态机器模型，使用 HOG 方法改善了模型的表现。

Nov, 2017

本篇论文对基于深度学习的 2D 和 3D 人体姿态估计方法及其挑战、框架、数据集、度量标准、性能比较和未来研究方向进行了综述。

Jun, 2020

本文介绍了基于深度学习的 2D 和 3D 人体姿态估计的综述，系统分析和比较了这些解决方案，对研究的挑战，应用和未来方向进行了讨论，包括 250 多篇研究论文以及姿态估计数据集和评估指标的定量表现比较和讨论。

Dec, 2020

本文研究多人姿态估计问题，提出了一种基于多视图系统和深度学习的方法，通过使用图神经网络模型预测场景中不同人之间的视角对应关系，并使用多层感知器模型将 2D 点转换为每个人的 3D 姿态。该模型采用自监督学习方式进行训练，从而避免了对大规模 3D 数据集的依赖。

Dec, 2022

本研究调查了深度学习技术在单目视觉下的人体姿态估计方面的最新进展，针对目前各个领域应用进行了综述，并提出了未来需求的研究方向。

Apr, 2021

该论文探讨了人体建模和姿态估计的交叉领域，涉及计算机视觉、计算机图形学和机器学习，包括算法、方法学和实际应用，以及相关的传感器技术、2D 和 3D 人体建模方法学的挑战和进展，常用数据集和度量标准，以及未来的研究方向。该论文的主要贡献在于对 2D 和 3D 领域最先进的人体姿态估计算法的全面比较，旨在增进对 3D 人体建模和姿态估计的理解，并提供当前最先进成果、挑战和未来前景的见解。

Jun, 2024

本篇论文对基于深度学习的二维图像人体姿态识别的最新方法进行了广泛的综述和比较，重点关注自 2016 年以来的自顶向下方法，此外，还讨论了数学基础、挑战与局限性、基准数据集和评价指标。

Feb, 2022

利用由物理学建模的合成数据集，提出了一个使用压力传感垫推断人体姿势和形状的深度学习模型 Pressurepose，并展示了这个模型的良好性能。

Apr, 2020